IT时代网6月24日消息，阿里通义千问团队正式发布Qwen-AgentWorld——首个原生语言世界模型（Language World Model, LWM），能够在七大领域中模拟智能体交互环境。该模型基于超过1000万条真实环境交互轨迹，经由CPT→SFT→RL三阶段训练而成，在AgentWorldBench评测中超越GPT-5.4、Claude Opus 4.8与Gemini 3.1 Pro。
Qwen-AgentWorld覆盖七类交互式环境：文本类（MCP、Search、Terminal、SWE）与GUI类（Web、OS、Android），实现跨领域知识迁移。对于三个GUI领域，环境观测以可渲染代码而非像素帧呈现，使纯文本世界建模即可涵盖视觉环境。
核心创新在于原生世界建模：环境建模从继续预训练（CPT）阶段即为训练目标，贯穿CPT→SFT→RL全流程，而非对通用大语言模型的事后适配。CPT阶段通过学习交互轨迹注入环境知识，引入轮次级别的信息论损失掩码识别真正承载环境信息的对话轮；SFT阶段将下一状态预测激活为思维链推理模式；RL阶段以混合奖励信号精炼输出质量。
同步发布的AgentWorldBench评测基准覆盖七大领域，每条测试样本均配备真实环境执行所得的ground-truth观测数据。Qwen-AgentWorld-397B-A17B取得最高整体均分（58.71），超越GPT-5.4（58.25），在Terminal和SWE两个领域优势最为显著。在35B-A3B规模上，三阶段训练将整体均分提升8.66分，使小模型超过Claude Sonnet 4.6。
团队还探讨了世界建模在智能体训练中的两种互补范式：作为解耦的环境模拟器，为智能体强化学习提供更优的可扩展性与可控性——可控模拟RL能以真实环境无法实现的方式塑造智能体行为，且显著优于仅在真实环境中训练的RL；作为统一的智能体基础模型，LWM预热训练可有效迁移至多轮智能体任务，无需在智能体任务上进行任何RL微调。模型与评测基准已在Hugging Face和ModelScope开源。
创作声明：本文借助AI辅助创作