阿里巴巴开源世界模型：让AI智能体在模拟器中训练

在阿里巴巴Qwen研究实验室内部，一种新型AI模型正在学习回答一个看似简单的问题：如果智能体执行X，接下来会发生什么？编码在Qwen-AgentWorld中的答案，本质上是一个充当通用环境模拟器的语言模型，它刚刚在其自身基准测试上超越了GPT-5.4。 你的AI模型说它能读取100万token，它在撒谎。这是真实的数学。

Qwen-AgentWorld已在Hugging Face和ModelScope上发布，并附带一个配套评估套件AgentWorldBench。它被定位为一种“原生语言世界模型”。简单来说，它接收智能体的动作（终端命令、API调用、浏览器点击），并预测环境的响应：终端输出、API返回值、更新后的DOM树。这不是基于模板的生成。该模型必须跨六个系统知识步骤进行因果推理，以预测curl管道为何失败，或在九个连续的Notion API调用中保持引用完整性。 你的AI代理意外通过了测试。现在有了评估标准。

其技术架构值得关注。Qwen-AgentWorld提供两种规模：一个350亿参数的MoE模型（30亿活跃参数）和一个3970亿-A170亿参数的变体。两者都经过三阶段流程训练，研究论文将其描述为“CPT注入，SFT激活，RL精炼”。第一阶段是持续预训练（CPT），通过从容器化沙箱、MCP服务器和模拟器中收集的非思考轨迹注入环境知识。这里的一个关键创新是轮次级信息论损失掩码：每个动作-观察对的表层统计信息识别出携带真实环境信息的轮次，在保留它们作为上下文的同时屏蔽其他部分的损失。第二阶段应用监督微调（SFT）来激活下一状态预测，将其作为<think>块内的显式思考模式，并使用拒绝采样来精选7,094条高质量轨迹。第三阶段使用强化学习（具体为GSPO），结合了混合奖励：一个LLM评判器加上基于规则的验证器，适用于可编程检查精确正确性的领域。 中国MiniMax开源百万Token模型，真实编程任务超越GPT-5.5

在AgentWorldBench上的结果令人瞩目。Qwen-AgentWorld-397B-A17B在五个评估维度（格式、事实性、一致性、真实性、质量）上总体得分为58.71，超越了GPT-5.4的58.25。在较小规模上，三阶段流程将Qwen-AgentWorld-35B-A3B的得分从47.73提升至56.39，超过了Claude Sonnet 4.6（56.04）。优势在终端和SWE领域最为明显，这些领域的预测需要准确建模代码执行状态和工具API行为。 AI模型无法停止“边想边说”。这对安全性而言既是好消息，也是噩梦。

除了原始分数，论文还记录了模型在129个经过分析的思考轨迹中出现的三种涌现推理模式。有审慎的自我纠正：模型在129轮中使用了1,347次“Wait!”作为认知中断。有信息泄露预防：一种心智理论等价物，模型持有参考答案并故意将其与无关查询隔离。有多步因果推理：链式推理六个系统知识步骤以预测curl管道故障。 验证地平线：为什么验证编码代理现在比构建它们更难

战略性意义不在于基准测试结果，而在于Qwen-AgentWorld所代表的训练范式转变。论文研究了世界模型的两个互补用例。第一个，“Sim RL”，将世界模型视为一个独立的模拟器，在智能体RL训练中替代真实环境。在对OpenClaw（一个完全不在世界模型训练数据中的开源智能体平台）的测试中，使用Qwen-AgentWorld-397B-A17B作为模拟器训练的智能体产生了显著提升，而使用Qwen3.6-Plus作为模拟器则几乎没有改善。研究人员指出：“智能体与不忠实的模拟器互动几乎学不到东西。” 无需重新训练的自主适应机器人？这个新框架可能真的能做到

第二种范式将智能体和世界模型统一为一个单一模型：同一模型既选择动作，也预测环境状态。结果显示，LWM预热（训练模型预测下一状态）可迁移到七个基准测试的多轮智能体任务中，包括三个完全领域外的任务，其中模型未见任何世界模型训练数据。在这些未见过的领域上，出现了+11.3、+9.7和+9.0的提升。 LeRobot v0.6.0：训练时构想未来，推理时零成本

最实用的发现涉及可控性。使用自然语言指令来塑造模拟器的行为（注入间歇性API错误、分页响应或部分失败）在Tool Decathlon上带来了+3.7分的提升，在MCPMark上带来了+12.3分的跳跃。论文指出：“可控性不仅仅是提升幅度的一个因素；它是Sim RL在此领域能够工作的先决条件。”

更广泛的含义是，语言世界模型为扩展通用智能体开辟了一个互补的维度，超越了仅靠真实环境交互所能提供的范围。真实环境仍然是智能体行为接地气的黄金标准，但它们昂贵、缓慢，并且无法产生可控模拟可按需注入的边缘情况。一个兼具训练场功能的的世界模型，尤其是在自身保真度基准上超越前沿模型的模型，可能会重塑行业处理智能体开发的方式。 这些研究人员找到了让 AI 智能体不说话就能思考的方法，速度快了 2.4 倍