千问开源 Qwen-AgentWorld：首个原生语言世界模型，超越 GPT-5.4
千问开源 Qwen-AgentWorld：首个原生语言世界模型
发布时间： 2026年6月
来源： GitHub: QwenLM/Qwen-AgentWorld · arXiv: 2606.24597
配图： 无
概述
千问（Qwen）团队正式开源 Qwen-AgentWorld——首个原生语言世界模型（Language World Model, LWM），能够在 7 大领域中模拟智能体交互环境：MCP、搜索、终端、软件工程、Web、OS、Android。
核心突破：环境建模从继续预训练（CPT）阶段起即为训练目标，贯穿 CPT → SFT → RL 全流程，而非对通用 LLM 的事后适配。
在 AgentWorldBench 评测基准上，Qwen-AgentWorld-397B-A17B 以 58.71 的平均分超越 GPT-5.4（58.25），在所有前沿模型中排名第一。
一、什么是语言世界模型（LWM）？
传统世界模型在像素空间或物理空间中建模（如视频预测、物理仿真），而 LWM 完全在文本领域运作——它将环境表示为自然语言描述、JSON 结构、代码输出等文本形式。
核心公式：世界模型 = （状态, 动作）→ 下一状态
LWM 填补了 LLM 智能体长期缺失的关键拼图：过去研究几乎全部聚焦于策略（Policy）侧（状态→动作），而忽视了环境建模侧。
二、7 大领域详解
| 领域 | 模拟内容 |
|---|---|
| MCP | Model Context Protocol—工具调用、API 接口、函数响应 |
| Search | 搜索引擎查询、结果返回、网页抓取 |
| Terminal | Linux shell—命令执行、输出、管道、信号处理 |
| SWE | 软件工程—git 操作、代码编辑、编译输出、测试执行 |
| Web | 浏览器环境—DOM 树变化、点击导航、表单提交 |
| OS | 桌面操作系统—文件系统、进程管理、系统设置 |
| Android | 移动设备环境—App 导航、UI 交互、手势操作 |
训练数据规模：超过 1000 万条真实环境交互轨迹，覆盖全部 7 个领域。对于 GUI 领域（Android、Web、OS），环境被表示为 accessibility tree（无障碍树）和 UI view hierarchy，而非像素帧。
三、三阶段训练流程
| 阶段 | 全称 | 目标 |
|---|---|---|
| CPT | Continued Pre-Training | 注入通用世界建模能力——状态转移动力学 |
| SFT | Supervised Fine-Tuning | 激活"下一状态预测"的思维链推理模式 |
| RL | Reinforcement Learning | 用混合打分规则奖励精细调优模拟保真度 |
四、模型架构
| 模型 | 总参数 | 激活参数 | 基础架构 |
|---|---|---|---|
| Qwen-AgentWorld-397B-A17B | 397B | 17B | MoE, 256K 上下文 |
| Qwen-AgentWorld-35B-A3B | 35B | 3B | MoE, 256K 上下文 |
架构基于 DeepSeek 系列的 MoE 设计，上下文窗口支持 256K tokens，可处理长序列多步轨迹。
五、AgentWorldBench 评测成绩
| 模型 | MCP | Search | Term. | SWE | Android | Web | OS | 平均 |
|---|---|---|---|---|---|---|---|---|
| Qwen-AgentWorld-397B-A17B 🏆 | 68.24 | 37.82 | 57.73 | 68.49 | 60.20 | 50.98 | 67.89 | 58.71 |
| GPT-5.4 | 70.10 | 37.26 | 53.69 | 66.29 | 60.00 | 51.80 | 68.58 | 58.25 |
| Claude Opus 4.6 | 69.90 | 29.30 | 57.51 | 64.55 | 61.74 | 51.42 | 70.20 | 57.80 |
| Claude Opus 4.8 | 54.93 | 35.14 | 59.18 | 64.10 | 61.50 | 54.66 | 66.62 | 56.59 |
| DeepSeek-V4-Pro | 63.27 | 27.61 | 51.26 | 59.44 | 55.17 | 50.32 | 63.70 | 52.97 |
最大优势：Terminal（57.73 vs 53.69）和 SWE（68.49 vs 66.29）——这两个领域需要精确建模代码执行状态和工具 API 行为。
六、两种使用范式
（A）解耦范式：作为环境模拟器
LWM 可实现按回合扩展数千个真实世界环境，无需专用基础设施（沙箱、GUI 虚拟机）。论文实验证明：使用 Qwen-AgentWorld 模拟 4000+ 环境用于智能体 RL，获得了超越纯真实环境训练的性能。
（B）统一范式：作为智能体基础模型
先让模型学习环境动态和下一状态预测（世界模型训练），再进行下游智能体 RL。这种预热训练可提升 7 个智能体基准的下游性能。
七、对 AI 智能体领域的意义
- 填补关键拼图：智能体训练长期缺少世界模型组件，LWM 提供了文本化的环境模拟能力
- 降低训练成本：相比需要物理环境/虚拟机的传统训练方式，纯文本 LWM 将成本降至最低
- 跨越 GPT-5.4：首次在环境模拟质量上超越闭源前沿模型
- Apache-2.0 开源：代码和模型权重全部公开，成为 AI 智能体研究的基础设施
本文基于 GitHub 仓库、arXiv 论文、千问官方公告等公开资料整理。