Qwen-AgentWorld：通义千问推出的开源MoE架构智能体世界模拟模型

一、Qwen-AgentWorld 是什么

Qwen-AgentWorld 是阿里通义千问团队开源发布的原生语言世界模型（Language World Model，简称LWM），同步配套自研评测基准 AgentWorldBench，全部模型权重、数据集、工程代码以 Apache 2.0 协议完全开源免费商用。

传统大模型仅能完成对话、工具调用，无法预判操作后的环境变化；而Qwen-AgentWorld核心定位是AI智能体专用环境模拟器，可以接收智能体执行动作，自主推演环境状态、输出真实可信的环境反馈，替代真实硬件/系统作为智能体训练、测试的虚拟训练场。

项目提供两款MoE混合专家模型：

1. Qwen-AgentWorld-35B-A3B：总参35B，激活参数3B，256K上下文窗口，轻量化部署版本；

2. Qwen-AgentWorld-397B-A17B：总参397B，激活参数17B，旗舰高性能版本，综合性能超越GPT-5.4、Claude Opus等闭源前沿模型。

二、核心功能特色

1. 原生世界建模架构

区别于普通大模型后期微调适配环境的方案，环境状态预测从持续预训练（CPT）阶段就设为核心训练目标，完整经过「CPT环境知识注入→SFT下一状态推理激活→RL模拟保真度优化」三阶段训练，基于超1000万条真实智能体交互轨迹训练，时序一致性、环境逻辑还原度大幅领先通用大模型二次改造方案。

2. 单模型统一覆盖七大交互领域

一款模型同时兼容文本工具、图形界面两大类7类智能体交互场景，实现跨领域知识迁移：

• 文本类：MCP协议、联网Search检索、Linux Terminal终端、SWE代码工程环境；

• GUI图形类：Android手机系统、Web网页、OS操作系统桌面环境。

3. 可控可扩展虚拟模拟能力

• 扰动可控：支持通过指令自定义环境变量、异常场景，主动暴露智能体能力短板；

• 虚构世界构建：可生成完全自洽的虚构场景，模型在虚构环境训练后可迁移至真实任务；

• 域外泛化：零适配支持未参与训练的陌生环境（如OpenClaw机械智能体），真实环境无法实现大规模域外场景扩容。

4. 通用智能体基座能力

基于世界建模强化学习预热的模型，推理、工具规划能力可无缝迁移至多轮工具调用任务，包含3类完全域外评测基准，在终端、代码、机械智能体等任务均有稳定性能提升。

5. 配套完整开源评测体系 AgentWorldBench

全球首个面向语言世界模型的标准化评测集，覆盖七大领域，采用5维量化打分标准（格式规范、事实准确性、时序一致性、场景真实度、综合质量，满分100分），提供全套推理、打分、分数聚合脚本，开发者可标准化自测模型模拟能力。

三、技术细节

1. 训练三阶段流水线

1. CPT持续预训练：注入海量真实环境交互轨迹，让模型学习环境状态流转底层逻辑，环境建模为核心训练目标；

2. SFT监督微调：对齐「动作→下一环境状态」预测任务，激活长链式环境推理能力；

3. RL强化学习：基于模拟环境反馈做奖励优化，提升仿真保真度、时序连贯性。

2. 模型架构与规格

全系采用MoE混合专家架构，256K超长上下文窗口，支持长时序多轮交互推演；轻量化35B-A3B版本仅激活3B参数，降低推理算力门槛，旗舰397B-A17B版本兼顾全场景高精度模拟。

3. 评测打分逻辑（AgentWorldBench）

每条测试样本存储完整多轮交互轨迹、真实环境观测值；评测流程分为三步：

1. 模型推理：输入动作，预测环境输出；

2. LLM裁判打分：使用大模型从5个维度量化预测结果；

3. 分数聚合：输出单领域、整体综合得分，自动生成标准化评测报告。

4. 推理底层支持

原生兼容vLLM、SGLang高性能推理框架，支持4卡张量并行，提供OpenAI标准兼容API；同时支持原生Transformers直接加载推理，适配单机小批量测试场景。

四、应用场景

1. AI智能体低成本训练训练场
   无需搭建真实服务器、手机、网页、代码环境，使用模型虚拟环境批量训练工具智能体，大幅降低硬件、运维成本；支持上万规模域外场景批量强化学习。

2. 智能体缺陷自动化测试
   通过可控环境扰动注入异常场景，批量定位智能体在终端、网页、代码、手机操作中的逻辑漏洞，替代人工复现测试。

3. 虚构场景智能体预训练
   构建现实不存在但逻辑自洽的虚拟世界，让智能体学习通用交互逻辑，提升真实场景零样本泛化效果，检索、工具调用任务涨幅显著。

4. 多领域智能体研发底座
   面向代码智能体、操作系统运维机器人、移动端自动化Agent、检索助手、机械控制智能体提供统一仿真底座，一套模型覆盖全品类Agent开发。

5. 学术LWM模型评测实验
   使用开源AgentWorldBench基准，标准化对比自研世界模型与主流大模型的环境模拟能力，提供可复现的量化实验流程。

五、使用方法

（一）模型部署推理

1. SGLang 高性能服务部署（支持OpenAI接口）

python -m sglang.launch_server \
  --model-path Qwen/Qwen-AgentWorld-35B-A3B \
  --port 8000 \
  --tensor-parallel-size 4 \
  --context-length 262144 \
  --reasoning-parser qwen3

接口地址：http://localhost:8000/v1

2. vLLM 高吞吐部署

vllm serve Qwen/Qwen-AgentWorld-35B-A3B \
  --port 8000 \
  --tensor-parallel-size 4 \
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --trust-remote-code

3. Transformers 本地单机推理示例

可直接模拟Linux终端、Android等环境，加载对应领域提示词即可完成动作-环境推演，仓库内置7大领域专用系统提示词模板。

（二）AgentWorldBench 评测流程

1. 下载评测数据集：huggingface-cli download Qwen/AgentWorldBench --repo-type dataset

2. 执行模型推理，生成预测结果；

3. 调用LLM裁判脚本完成5维度打分；

4. 运行分数聚合脚本输出各领域、整体得分报告。

（三）模型微调

支持Swift、Llama-Factory、UnSloth主流大模型微调框架，可基于行业专属环境交互数据做领域定制微调。

六、竞品对比

选取行业主流闭源通用大模型GPT-5.4、Claude Opus 4.8、Gemini 3.1 Pro，与Qwen-AgentWorld-397B-A17B旗舰版做环境模拟能力横向对比：

七、常见问题解答（FAQ）

Q1：Qwen-AgentWorld 和普通Qwen3系列大模型有什么本质区别？

普通Qwen3系列是通用对话大模型，训练目标为问答、写作、基础工具调用；Qwen-AgentWorld是原生语言世界模型，从预训练阶段就以「预测环境状态变化」为核心目标，专门用于智能体环境仿真，在多轮交互、时序状态推演、虚拟场景构建上性能大幅领先通用千问模型，35B版本对比同尺寸Qwen3.5综合提升8.66分。

Q2：该模型是否可以完全替代真实服务器、手机、终端环境？

不能完全替代。真实环境是智能体上线部署的最终验证标准，Qwen-AgentWorld作为互补工具，优势是低成本、大规模、可控批量训练与测试；虚拟模拟适合前期预训练、缺陷批量排查、域外场景拓展，上线前仍需真实环境校验。

Q3：国内无法访问Hugging Face如何下载模型权重？

官方提供ModelScope镜像源，部署推理框架时设置环境变量即可切换国内源：vLLM使用VLLM_USE_MODELSCOPE=true，SGLang使用SGLANG_USE_MODELSCOPE=true，无需翻墙即可完整下载模型与评测数据集。

Q4：轻量35B-A3B版本和旗舰397B-A17B版本该如何选型？

小规模研发、本地测试、算力有限场景选择35B-A3B，4卡即可部署，推理成本更低；企业大规模智能体训练、高标准仿真、多域外场景实验、追求极致模拟精度场景，选择397B-A17B旗舰版本，综合性能超越主流闭源大模型。

Q5：AgentWorldBench评测数据集能否用于自研模型训练？

可以，数据集遵循Apache2.0开源协议，支持商用二次开发；数据集包含七大领域真实交互轨迹，既可作为评测基准，也可作为环境模拟类模型微调训练数据。

Q6：模型支持多模态图像输入吗？

当前版本为纯文本语言世界模型，仅基于文本推演环境状态；Android、Web界面场景通过文本描述还原界面元素，暂不支持图像输入，仅通过文字描述完成GUI交互预测。

Q7：普通开发者没有AI智能体开发需求，是否有使用价值？

有。可用于模拟Linux终端执行、批量测试代码命令输出、模拟网页交互检索、搭建虚拟操作系统实训环境，适合编程教学、运维模拟、检索算法测试等通用开发场景。

八、相关链接

1. GitHub项目源码仓库：https://github.com/QwenLM/Qwen-AgentWorld

2. HuggingFace模型权重仓库：https://huggingface.co/collections/Qwen/qwen-agentworld

3. ModelScope模型下载地址：https://modelscope.cn/collections/Qwen/Qwen-AgentWorld

4. 论文arXiv地址：http://arxiv.org/abs/2606.24597

5. 官方技术博客：https://qwen.ai/blog?id=qwen-agentworld

九、总结

Qwen-AgentWorld是国内首个原生面向AI智能体的开源语言世界模型，依托三阶段专属训练流水线、七大领域统一仿真能力与配套标准化评测基准，解决了传统智能体研发中真实环境搭建成本高、场景规模受限、异常测试难以批量开展的痛点，两款MoE规格模型兼顾轻量化部署与旗舰级仿真性能，开源可商用的特性降低了智能体仿真技术的使用门槛，在公开基准中综合性能超越GPT、Claude、Gemini等主流闭源大模型，为代码智能体、移动端自动化、运维机器人、检索助手等各类AI Agent提供了统一、可扩展、可控的虚拟训练与测试底座。