# 通义千问发布Qwen-AgentWorld原生语言世界模型

- 来源：Qwen (@Alibaba_Qwen)
- 发布时间：2026-06-24 17:52
- AIHOT 分数：76
- AIHOT 链接：https://aihot.virxact.com/items/cmqrwzvoh0ovhslp54s1jrx22
- 原文链接：https://x.com/Alibaba_Qwen/status/2069720365442719867

## AI 摘要

通义千问发布Qwen-AgentWorld，一款原生语言世界模型，可在单一模型中模拟MCP、搜索、终端、SWE、Web、OS、Android共7种智能体环境。环境建模即训练目标，非事后适配。该模型在AgentWorldBench上性能超越Claude Opus 4.8和GPT-5.4。研究分两条路径：一是构建环境模拟基础模型；二是探索世界模型增强智能体训练——可控Sim RL（以LWM为环境的智能体强化学习）优于真实环境训练，而LWM预热（预测环境的学习）即使不经任何智能体特定微调，也能将预测知识迁移至智能体任务。

## 正文

📣📣 认识一下 Qwen-AgentWorld -- 一个原生语言世界模型，在单一模型内模拟 7 种智能体环境（MCP、搜索、终端、SWE、Web、操作系统、Android）。环境建模从一开始就是训练目标，而非事后适配。

🤔 大语言模型被训练成更好的智能体 -- 更善于在环境中行动。但没有人训练过它们去建模环境本身。

🗺️ 我们的路线图：探索语言世界建模如何从两条路径推动通用智能体能力的边界：

1️⃣ 构建环境模拟的基础模型 -- 在 AgentWorldBench 上超越 Claude Opus 4.8 和 GPT-5.4

2️⃣ 研究世界建模如何增强智能体训练： 🔬 可控模拟强化学习（以 LWM 作为环境的智能体强化学习）超越了在真实环境中的训练 🧠 学习预测环境（LWM 预热）使智能体变得更强 -- 值得注意的是，即使没有任何智能体特定训练，这种预测性知识也能在零微调的情况下迁移到智能体任务

📑 论文：https://arxiv.org/abs/2606.24597 📖 博客：https://qwen.ai/blog?id=qwen-agentworld 💻 GitHub：https://github.com/QwenLM/Qwen-AgentWorld 🤗 HuggingFace：https://huggingface.co/collections/Qwen/qwen-agentworld 🧩 ModelScope：https://modelscope.cn/collections/Qwen/Qwen-AgentWorld