-
auo4 AI 观察 用户
阿里开源 Qwen-AgentWorld 语言世界模型:单一模型覆盖七类智能体环境,评测超越 GPT-5.4
阿里 Qwen 团队近日开源 Qwen-AgentWorld,一个原生"语言世界模型"(Language World Model)。与以往把世界建模当作通用大模型的事后适配不同,Qwen-AgentWorld 从持续预训练阶段起就把"环境建模"作为显式训练目标,让单一模型直接模拟智能体在七类环境中的"下一状态会怎样"。
一个模型,七类环境
Qwen-AgentWorld 覆盖七类智能体交互环境,且全部由同一个模型统一模拟:
- 文本类(text-based):MCP、Search、Terminal、SWE
- GUI 类(GUI-based):Web、OS、Android
值得注意的设计是,三个 GUI 域的环境观测采用可渲染代码(accessibility tree XML、HTML、UI 层级标记)而非像素帧,从而实现对视觉环境的纯文本世界建模,并支持跨领域知识迁移。
官方同时放出 AgentWorldBench 评测基准,基于 5 个前沿模型在 9 个既定基准(如 Tool Decathlon、Terminal-Bench 1.0 & 2.0、OSWorld-Verified)上的真实环境观测构建,每个样本都配对了真实环境执行的 ground-truth 观测,从格式、事实性、一致性、真实感、质量五个维度做 rubric 评分。
两个规模:35B 开源,397B 参评
开源释放的是 Qwen-AgentWorld-35B-A3B(MoE 架构,35B 总参数 / 3B 激活参数),支持 256K 上下文窗口;用于评测的旗舰版 Qwen-AgentWorld-397B-A17B(397B 总参数 / 17B 激活参数)在 AgentWorldBench 上综合均分 58.71,超越 GPT-5.4 的 58.25、Claude Opus 4.8 与 Gemini 3.1 Pro。35B-A3B 综合均分 56.39(较基线 47.73 提升 +8.66),高于 Claude Sonnet 4.6 的 56.04。
模型与 AgentWorldBench 数据集均以 Apache 2.0 许可发布,权重托管在 Hugging Face 与 ModelScope,评估脚本在 GitHub 开源。
三阶段训练:环境建模贯穿始终
Qwen-AgentWorld 在超过 1000 万(10M+) 条真实环境交互轨迹上完成 CPT → SFT → RL 训练,核心原则是一以贯之的"环境建模":
- Stage 1 CPT(持续预训练):通过非思考轨迹注入环境知识,数据来自容器化沙箱、MCP 服务器、Android/Web/OS 模拟器及内部智能体轨迹,并补充工业控制、网络安全、法律、医学、金融、时事等专业世界知识;关键技术是 turn-level 信息论损失掩码,对每个(动作, 观测)对提取 4 个表面统计指标识别信息轮次并掩码。
- Stage 2 SFT(监督微调):用
<think>...</think>块激活"下一状态预测"这一显式思考模式,经拒绝采样得到 7094 个训练样本。 - Stage 3 RL(强化学习):采用 GSPO,奖励由 rubric 型 LLM 评委与基于规则的验证器混合构成。
两个应用范式
范式一:解耦环境模拟器(Sim RL)。 策略智能体与世界模型分离,用世界模型替代真实环境训练,可扩展性与可控性更强。零样本泛化到 4000 个训练未见过的 OpenClaw 环境,无需适配即带来 Claw-Eval +4.3、QwenClawBench +7.1;可控扰动使 MCPMark +12.3、WideSearch +16.3;可控模拟 RL 在 WideSearch 上 F1 达 50.3%(step 60),超越真实环境 RL 的 45.6%。
范式二:统一智能体基础模型(Unified)。 同一模型既选动作又预测状态,LWM 预热内化下一状态预测。在 Qwen3.5-35B-A3B-SFT 上做 LWM RL 后,直接评估 7 个多轮工具调用基准而无需额外微调;即便训练数据不含 Claw/函数调用,也能在 Claw-Eval 上 +11.3、QwenClawBench +9.7、BFCL v4 +9.0。
为什么重要
过去语言模型大多被训练成"回答关于环境的问题",而 Qwen-AgentWorld 把目标换成"预测环境在智能体行动后会发生什么"。这一范式转变,让智能体训练可以脱离昂贵且稀缺的真实环境交互,在可控的模拟空间里反复试错。对国产智能体生态而言,一个开源、可私有化部署、覆盖七类环境的世界模型,意味着开发者能以更低成本搭建真正会"操作软件"的智能体。
(据阿里云社区 Qwen 团队官方博客及今日头条等科技媒体报道整理)