阿里通义千问发布Qwen-AgentWorld：首个原生语言世界模型引领智能体交互新突破

2026年6月24日，阿里巴巴通义千问团队正式发布了Qwen-AgentWorld——业界首个原生语言世界模型（Language World Model, LWM），这一突破性进展标志着人工智能从"能聊天"向"能办事"的重要跨越。

技术突破：单一模型覆盖七大智能体环境

Qwen-AgentWorld的核心创新在于其原生世界建模能力。与传统的环境模拟方法不同，该模型从继续预训练（CPT）阶段起就将环境建模作为训练目标，贯穿CPT→SFT→RL全的完整训练流程，而非对通用大语言模型的事后适配。

更引人注目的是，Qwen-AgentWorld实现了单一模型同时覆盖七大领域的智能体交互环境：

这种跨领域能力使得模型能够实现知识迁移，为通用智能体训练提供了全新的技术路径。

Qwen-AgentWorld基于超过1000万条真实环境交互轨迹进行训练，这些数据覆盖了各种真实世界的智能体操作场景。模型提供两种规模供不同应用场景选择：

这种分层设计确保了技术成果能够在不同算力环境下得到应用。

在同步发布的AgentWorldBench评测基准上，Qwen-AgentWorld展现了卓越的性能表现。该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。

具体成绩方面，Qwen-AgentWorld-397B-A17B取得了58.71分的整体均分，超越了当前业界领先的GPT-5.4（58.25分）和Claude Opus 4.8。在Terminal和SWE两个领域，该模型的优势尤为显著。

值得注意的是，在35B-A3B规模上，通过三阶段训练将整体均分提升了8.66分，使小规模模型超越了Claude Sonnet 4.6，这证明了训练方法的有效性。

Qwen-AgentWorld提供了两种重要的应用范式，为智能体开发提供了灵活的解决方案：

1. 解耦环境模拟器

作为解耦的环境模拟器，Qwen-AgentWorld能够实现可控的Sim RL（模拟强化学习）。在WideSearch任务上，这种方法超越了真实环境RL的表现（F1分数50.3% vs 45.6%），为智能体训练提供了更高效、更可控的环境模拟方案。

2. 智能体基础模型

作为统一智能体基础模型，通过LWM预热，模型能力可以迁移至七个基准测试，其中三个基准完全未出现在训练数据中。这种迁移学习能力证明了模型的泛化能力。

Qwen-AgentWorld模型及评测基准已在Hugging Face和ModelScope平台开放下载，这一开源策略将推动学术界和产业界在复杂交互场景中的探索进程。

该平台被视为阿里云"为Agent而生"云端AI布局中的关键一环，预计将与Qwen Agent框架、多模态大模型以及千问云、Qwen Cloud等基础设施深度整合，形成完整的智能体开发生态。

Qwen-AgentWorld的发布具有重要的行业意义。它不仅解决了智能体训练中的环境模拟难题，更重要的是，它提出了"先预测、再行动"的通用智能体新思路。

通过将世界建模从视觉空间转向语言空间，该模型为智能体训练提供了一条全新的技术路径。这种方法的优势在于可以用纯文本模拟整个世界，不需要真实沙箱、浏览器或虚拟机，大大降低了智能体开发的复杂度和成本。

随着Qwen-AgentWorld的问世，大模型在智能体领域的应用深度被进一步拓宽。从底层代码指令的执行，到图形界面任务的自动化处理，这种具备"多环境适应性"的智能模型，为开发者提供了更强大的底层工具。

这一技术突破预示着AI辅助办公、自动化业务处理等场景即将迎来更智能、更丝滑的交互体验。未来，随着该技术的持续迭代与开源生态的构建，AI或将真正成为每个人手中能够驾驭复杂数字世界的"全能助理"。

Qwen-AgentWorld的发布不仅是中国AI技术的重要突破，也为全球智能体研究提供了新的技术范式，将在推动AI从对话系统向自主智能体演进的过程中发挥重要作用。