Компания Alibaba представила Qwen-AgentWorld — языковую модель для обучения и тестирования AI-агентов в симуляционных средах. Параллельно с ней команда выпустила AgentWorldBench — бенчмарк для оценки таких симуляторов.
Qwen опубликовала веса Qwen-AgentWorld-35B-A3B и данные AgentWorldBench на Hugging Face и ModelScope под лицензией Apache 2.0. Более подробную информацию можно найти в материале Postium.
Читайте также: ТОП-20 ии-агентов для разработки
Что такое Qwen-AgentWorld и как она функционирует
Qwen-AgentWorld предугадывает следующее состояние среды, основываясь на действиях агента и его предыдущих шагах. Агент выполняет команду, ищет информацию, взаимодействует с интерфейсом или инструментом, а модель должна описать, как изменится окружающая среда.
Qwen-AgentWorld-35B-A3B — MoE-модель с 35 миллиардами параметров, из которых 3 миллиарда активны одновременно. Контекстное окно составляет 262 144 токена.
Одна модель охватывает семь доменов: MCP, Search, Terminal, SWE, Android, Web и OS. Этот набор необходим для агентных задач, где один процесс может включать вызов инструментов, поиск, команды в терминале, работу с кодом, веб-страницами и действия в операционной системе.
Qwen обучала модель на более чем 10 миллионах траекторий взаимодействия со средами. Обучение состояло из трех этапов: continual pre-training обеспечил модель знаниями о средах, supervised fine-tuning научил предсказывать следующее состояние, а reinforcement learning донастроил точность симуляции.
Для оценки модели Qwen выпустила AgentWorldBench. Этот бенчмарк оценивает предсказанные наблюдения среды по пяти критериям: формат, фактическая точность, согласованность, реалистичность и качество. На собственном бенчмарке Qwen-AgentWorld-35B-A3B набирает 56,39 балла в целом, а более крупная версия Qwen-AgentWorld-397B-A17B — 58,71. По информации от Qwen, старшая версия превосходит GPT-5.4 в этом тесте.
Как попробовать
Qwen-AgentWorld-35B-A3B доступен для загрузки на Hugging Face (Qwen/Qwen-AgentWorld-35B-A3B) или через ModelScope. В репозитории указана поддержка Transformers, vLLM и SGLang.
С помощью vLLM или SGLang модель можно развернуть как OpenAI-compatible API на локальном сервере. Qwen рекомендует сохранять длинный контекст, так как модель использует его для многошаговой симуляции среды. В случае нехватки памяти размер контекстного окна можно уменьшить.
Почему это важно? Обучать агентов исключительно в реальных средах сложно: каждый запуск требует времени, ресурсов и контроля ошибок. World-модель предоставляет разработчикам среду, в которой можно многократно проверять действия агента, изменять условия и выявлять слабые места до запуска в реальном окружении.
Ранее Qwen представила Qwen-Robot Suite — набор ИИ-моделей для роботов и систем, которые должны выполнять команды в реальном мире: понимать инструкции, связывать их с визуальной средой и выбирать действия для физического выполнения.
Итог: Alibaba Qwen выпустила Qwen-AgentWorld-35B-A3B и AgentWorldBench, чтобы разработчики могли обучать и тестировать AI-агентов в симулированных средах, а не только на реальных задачах.
