Qwen-AgentWorld - 通义千问推出的原生语言世界模型

Qwen-AgentWorld是什么

Qwen-AgentWorld 是通义千问团队推出的首个语言世界模型，通过长思维链推理模拟 MCP、搜索、终端、软件工程、Android、Web、操作系统共 7 大智能体环境。模型基于 1000 万+真实交互轨迹，经三阶段训练（CPT→SFT→RL）打造，并推出 AgentWorldBench 评测基准，验证其在环境模拟与智能体训练中的领先性能。

Qwen-AgentWorld的主要功能

• 七域统一环境模拟：覆盖 MCP 工具调用、搜索引擎、Linux 终端、软件工程（SWE）、Android GUI、Web 浏览器、操作系统 7 大交互环境，用统一文本格式表示状态转移。
• 长思维链状态预测：输入当前状态与智能体动作，模型通过长 CoT 推理预测精确的环境反馈，如下一屏 UI、终端输出、报错信息等。
• 可控对抗模拟：支持注入特定模拟指令，如”隐藏部分搜索结果”、”模拟磁盘满报错”，系统性地生成真实环境罕见的边缘案例。
• 4. 智能体强化学习训练：可作为解耦的环境模拟器，支撑 Sim Agentic RL，在 4000+ 真实 OpenClaw 环境中实现可扩展的回合级训练。
• 统一智能体基础模型：世界模型训练可作为智能体训练的”热身”，内化为类似”反思”的前向思考模式，提升下游任务表现。

Qwen-AgentWorld的技术原理

• 统一轨迹模式：将 7 个异构环境的状态表示统一为 (system_prompt, action, observation) 序列，system_prompt 包含任务描述、动作空间、初始状态、演示示例和模拟指令五部分。
• 三阶段训练管线：
  • CPT（持续预训练）：注入状态转移动力学与增强专业语料，建立通用世界建模能力。
  • SFT（监督微调）：激活”下一状态预测”的推理思维链模式。
  • RL（强化学习）：采用混合评分标准奖励（rubric-based）与规则奖励（rule-based），精修模拟保真度。
• 混合奖励框架：针对可验证的确定性能力，如终端命令执行、文件系统变化，设计规则验证器；对开放域模拟质量采用五维评分标准评判。
• 环境表示策略：文本域直接预测文本输出；GUI 域可访问性树（accessibility tree）和 UI 视图层级结构表示状态，而非原始像素。

微信关注回复 “开源”，加入AI开源项目交流群

如何使用Qwen-AgentWorld

• 作为环境模拟器（Decoupled）：部署模型替代真实环境，通过 API 接收 (state, action) 返回 next_state，用于大规模回合级 RL 训练，无需沙箱或虚拟机。
• 作为智能体基础模型（Unified）：将 Qwen-AgentWorld 直接作为智能体骨干，其内置的世界建模能力可辅助动作选择，在 Terminal-Bench、SWE-Bench、Claw-Eval 等基准上开箱即用。
• 模型获取：HuggingFace / ModelScope 下载权重（Qwen-AgentWorld-35B-A3B 等）