Qwen-AgentWorld — это языковая модель мира, выпущенная командой Qwen для симуляции агентных сред. В отличие от обычной чат-модели, которая в основном отвечает на вопросы, она предназначена для прогнозирования того, что вернёт среда после выполнения агентом действия.

Это делает её особенно актуальной для исследований ИИ-агентов, симулированного обучения с подкреплением, оценки бенчмарков и локальных экспериментов, связанных с терминалом, разработкой программного обеспечения, поиском, MCP, вебом, операционными системами и средами в стиле Android.

Эта статья представляет собой слегка переработанную и переведённую версию оригинальной китайской статьи. Структура, техническая последовательность, команды, таблицы и ключевые идеи сохранены, а язык был адаптирован для более плавного чтения на английском и SEO-публикации.

Примечание об источнике: Оригинальная статья была опубликована на CSDN и указывает, что распространяется по лицензии CC BY-SA 4.0. Оригинальный источник: Полное руководство по развёртыванию Qwen-AgentWorld: бесплатно и с открытым исходным кодом, производительность выше GPT-5.4, запуск за 5 минут. Примечание о проверке: Официальные страницы Qwen подтверждают публичный релиз весов модели Qwen-AgentWorld-35B-A3B и AgentWorldBench. Более крупная Qwen-AgentWorld-397B-A17B включена в официальные результаты бенчмарков, однако публичная страница модели и релиз на GitHub в основном указывают на веса модели 35B-A3B.

1. Предыстория: зачем нам нужна языковая модель мира?

За последние два года ИИ-агенты быстро превратились из простых чат-ассистентов в инструменты, которые могут работать с веб-сайтами, выполнять команды терминала, управлять мобильными приложениями и решать задачи программной инженерии.

Однако обучение сильного агента обходится дорого. Оно часто требует больших объемов взаимодействия с реальной средой, а это создает несколько практических проблем:

• Создание и поддержка сред — утомительный процесс.

• Сбор данных идет медленно и плохо масштабируется.

• Реальные среды сопряжены с рисками, особенно при тестировании случаев отказа или внесении контролируемых нарушений.

Языковая модель мира, или LWM, создается для решения этой проблемы. Идея проста, но эффективна: позволить модели играть роль среды. Получив действие агента и историю взаимодействия, модель прогнозирует следующее состояние среды.

При такой схеме агенты могут обучаться и оцениваться в симуляции, а не всегда полагаться на реальные системы.

24.06.2026 команда Qwen выпустила Qwen-AgentWorld — нативную языковую модель мира, которая объединяет семь доменов взаимодействия агентов в одной модели. Также был выпущен сопутствующий бенчмарк AgentWorldBench.

Официальные ресурсы:

• Технический отчет: arXiv:2606.24597

GitHub: QwenLM/Qwen-AgentWorld

• Hugging Face: Qwen/Qwen-AgentWorld-35B-A3B

• Блог Qwen: Qwen-AgentWorld

2. Основная идея: что делает её «нативной» мировой моделью?

Слово нативной здесь важно. Qwen-AgentWorld — это не просто универсальная LLM, адаптированная после обучения для имитации среды. Её цель моделирования мира встроена в процесс обучения с самого начала.

Иными словами, Qwen-AgentWorld — это не просто общая модель, обёрнутая подсказками. Она обучается с нижних уровней конвейера предсказывать следующее состояние среды.

Это даёт модели более структурированное понимание динамики среды, особенно при моделировании длинных траекторий взаимодействия.

3. Семь доменов: текстовые и GUI-среды в одной модели

Qwen-AgentWorld разделяет сценарии взаимодействия агентов на две большие группы: текстовые среды и GUI-среды.

┌──────────────────────────────────────────┐
│             Qwen-AgentWorld              │
│                                          │
│  Текстовые среды      GUI-среды          │
│  ┌──────────┐       ┌──────────────────┐ │
│  │  MCP     │       │  Web             │ │
│  │  Поиск   │       │  OS              │ │
│  │  Терминал│       │  Android         │ │
│  │  SWE     │       └──────────────────┘ │
│  └──────────┘                            │
└──────────────────────────────────────────┘

В трех доменах с графическим интерфейсом наблюдения представлены в виде кода, пригодного для рендеринга, а не необработанных пиксельных кадров. Это позволяет текстовой модели мира охватывать визуальные среды без непосредственной обработки полных последовательностей изображений.

Модель была обучена на более чем 10 миллионах реальных траекторий взаимодействия в семи доменах.

4. Трехэтапный конвейер обучения

Qwen-AgentWorld использует связанный трехэтапный конвейер обучения: CPT → SFT → RL.

Этап 1: CPT — внедрение знаний о среде

В ходе непрерывного предварительного обучения модель обучается на крупномасштабных траекториях взаимодействия с реальной средой. Этот этап встраивает динамику среды в веса модели.

В оригинальной статье также упоминается информационно-теоретическая маска потерь на уровне реплик. Цель — определить, какие реплики диалога действительно несут информацию о состоянии среды, и уменьшить шум от менее полезных реплик.

Этап 2: SFT — активация рассуждения в стиле цепочки мыслей

Контролируемая тонкая настройка превращает предсказание следующего состояния в шаблон рассуждения в стиле цепочки мыслей.

Вместо того чтобы напрямую выводить предсказанный результат, модель учится рассуждать о том, почему состояние должно измениться, прежде чем сгенерировать следующее наблюдение.

Этап 3: RL — повышение точности симуляции

Этап обучения с подкреплением использует гибридные сигналы вознаграждения, включая алгоритм GSPO, для улучшения качества вывода.

Оптимизация сосредоточена на:

• Корректности формата

• Фактической точности

Согласованность контекста

Реалистичность

Общее качество симуляции

Эмерджентные поведения, упомянутые в оригинальной статье: Сообщается, что Qwen-AgentWorld демонстрирует поведение самокоррекции, предотвращение утечки информации в сценариях поиска и многошаговое причинно-следственное рассуждение для некоторых предсказаний вывода команд.

5. Список моделей с открытым исходным кодом

Детали архитектуры 35B-A3B

• Базовая модель: Qwen3.5-35B-A3B-Base

• Тип модели: каузальная языковая модель / языковая модель мира

• Стиль архитектуры: гибридное линейное внимание + MoE

• Скрытая размерность: 2048

• Слои: 40 слоев

• Компоновка слоев: повторяющиеся группы с компонентами Gated DeltaNet, Gated Attention и MoE

• Эксперты: 256 экспертов

Активированные эксперты: 8 маршрутизируемых экспертов + 1 общий эксперт

Длина контекста: 262 144 токена

• Рекомендуемый минимальный контекст: 128K токенов для более высокого качества моделирования длинных траекторий

Официальная документация Hugging Face также отмечает, что модель совместима с Transformers, vLLM и SGLang.

6. Сравнение производительности: результаты AgentWorldBench

AgentWorldBench оценивает каждую модель по пяти параметрам: Формат, Фактическая точность, Согласованность, Реализм и Качество. Оценки нормализованы по шкале от 0 до 100, где большее значение означает лучший результат.

Полный рейтинг по общему баллу

Ключевые выводы из исходной статьи:

• Qwen-AgentWorld-397B-A17B достигает общего балла 58.71 и занимает первое место в приведённой таблице AgentWorldBench.

• Qwen-AgentWorld-35B-A3B улучшает результат на +8.66 балла по сравнению с базовой моделью Qwen3.5-35B-A3B.

Практическое замечание: Рассматривайте показатели бенчмарков как справочные данные из официальной конфигурации тестирования. Реальные результаты будут зависеть от аппаратного обеспечения, дизайна промптов, фреймворка для обслуживания модели, длины контекста и моделируемой среды.

7. Четыре шаблона применения и экспериментальные результаты

Шаблон 1: Обобщаемое расширение OOD-среды

В оригинальной статье описывается использование Qwen-AgentWorld-397B-A17B для имитационного RL в 4 000 средах OpenClaw вне распределения, а затем тестирование обобщения zero-shot в новых доменах.

Шаблон 2: управляемая симуляция — целевое возмущение MCP

Управляемые возмущения могут выявлять слабые места агента эффективнее, чем стандартное обучение в реальной среде.

Паттерн 3: Построение вымышленного мира — поисковая область

Эксперимент в поисковой области использует вымышленный, но внутренне согласованный поисковый мир для обучения, а затем оценивает обобщение на реальных поисковых задачах.

Паттерн 4: Базовая модель агента — перенос разогрева LWM RL

В статье также описывается прогрев LWM RL как способ улучшить производительность последующих агентов без дополнительной тонкой настройки RL для этих конкретных задач.

Главное: Данные для прогрева получены из одношаговых, неагентных траекторий, однако улучшение переносится на более сложные многошаговые агентные задачи с вызовом инструментов. Это указывает на то, что знания о моделировании мира могут переноситься за пределы исходного формата обучения.

8. Краткое руководство по развертыванию

Метод 1: развертывание с помощью SGLang

SGLang рекомендуется в оригинальной статье для быстрого обслуживания.

pip install sglang

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

После запуска OpenAI-совместимая конечная точка API:

http://localhost:8000/v1

Метод 2: развертывание с помощью vLLM

pip install vllm

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

Примечание из официальной документации: Текущая карточка модели на Hugging Face также рекомендует использовать --language-model-only с vLLM, поскольку архитектура модели включает определения визуальных компонентов, тогда как контрольная точка содержит веса языковой модели. Если инициализация vLLM завершается ошибкой, попробуйте добавить этот флаг.

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

Метод 3: локальный инференс с помощью Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen-AgentWorld-35B-A3B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto",
)

# Пример для терминальной области: попросите модель предсказать вывод команды.
messages = [
    {
        "role": "system",
        "content": "Вы — языковая мировая модель, симулирующая среду терминала Linux. "
                   "По команде пользователя предскажите вывод терминала."
    },
    {
        "role": "user",
        "content": "Действие: execute_bash\nКоманда: ls -la /home/user/project/"
    }
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=2048, temperature=0.6)
response = tokenizer.decode(outputs[0][inputs.input_ids.shape[-1]:], skip_special_tokens=True)
print(response)

Метод 4: Вызов через API, совместимый с OpenAI

Этот метод работает после развертывания модели через SGLang или vLLM.

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

messages = [
    {
        "role": "system",
        "content": "Вы — языковая мировая модель, симулирующая среду терминала Linux."
    },
    {
        "role": "user",
        "content": "Действие: execute_bash\nКоманда: pwd"
    }
]

response = client.chat.completions.create(
    model="Qwen/Qwen-AgentWorld-35B-A3B",
    messages=messages,
    max_tokens=32768,
    temperature=0.6,
)

print(response.choices[0].message.content)

Рекомендации

• Рекомендуемые параметры сэмплирования: temperature=0.6, top_p=0.95, top_k=20

Рекомендуемая длина вывода: около 32,768 токенов для большинства длинных наблюдений

• Используйте доменно-специфичные системные промпты из каталога prompts/ репозитория для более высокого качества симуляции

• По возможности поддерживайте длину контекста не менее 128K; контекст модели по умолчанию составляет 256K

9. Рабочий процесс оценки AgentWorldBench

Если вы хотите протестировать собственную мировую модель на AgentWorldBench, в оригинальной статье предлагается трехэтапный рабочий процесс.

# 1. Клонируйте репозиторий оценки
git clone https://github.com/QwenLM/Qwen-AgentWorld.git
cd Qwen-AgentWorld

# 2. Загрузите набор данных для оценки
huggingface-cli download Qwen/AgentWorldBench --repo-type dataset --local-dir ./AgentWorldBench

# 3. Установите зависимости
pip install openai

cd eval

# Шаг 1: инференс мировой модели
python eval.py infer \
    --data-dir ../AgentWorldBench \
    --model-base-url http://localhost:8000/v1 \
    --model-name Qwen/Qwen-AgentWorld-35B-A3B \
    --output-dir ./results

# Шаг 2: оценивание судьей LLM. Для этого требуется ключ API OpenAI.
export OPENAI_API_KEY="your-api-key"
python eval.py judge \
    --predictions ./results/predictions.jsonl \
    --judge-base-url https://api.openai.com/v1 \
    --judge-model gpt-5.2-2025-12-11 \
    --output-dir ./results

# Шаг 3: агрегирование оценок
python eval.py score --predictions ./results/judged.jsonl

Каждый тестовый пример включает эталонные данные наблюдений, полученные при выполнении в реальной среде. Бенчмарк оценивает способность к моделированию мира по формату, фактической точности, согласованности, реалистичности и качеству.

10. Рекомендации по дообучению

Если вы хотите адаптировать Qwen-AgentWorld для конкретной области, в оригинальной статье рекомендуются три распространённых фреймворка для дообучения.

11. Примечания к источнику и обработка изображений

Оригинальная статья включает несколько изображений, связанных с доменами Qwen-AgentWorld и результатами бенчмарков. Они были сохранены в соответствующих разделах.

Иконки платформы CSDN, рекламные модули, блоки подписки на автора, QR-коды, кнопки вознаграждения и несвязанные рекомендательные изображения были удалены в соответствии с требованиями к публикации.

FAQ

Что такое Qwen-AgentWorld?

Qwen-AgentWorld — это языковая модель мира от команды Qwen. Она предсказывает следующее состояние среды после того, как агент выполняет действие, что делает её полезной для симуляции, обучения и оценки агентов.

Qwen-AgentWorld — это то же самое, что обычная чат-модель?

Нет. Обычная чат-модель в основном оптимизирована для ведения диалога и следования инструкциям. Qwen-AgentWorld обучена как симулятор среды, поэтому её основной сценарий использования — предсказание наблюдений в средах взаимодействия агентов.

Какая модель Qwen-AgentWorld доступна публично?

На официальных страницах Qwen-AgentWorld-35B-A3B указана как публично выпущенные веса модели. AgentWorldBench также доступен как оценочный бенчмарк. Более крупная модель 397B фигурирует в таблицах бенчмарков, но публичный релиз модели в основном указывает на версию 35B-A3B.

Можно ли развернуть Qwen-AgentWorld с помощью vLLM?

Да. Карточка модели Hugging Face включает пример развертывания с vLLM. Если вы столкнетесь с проблемами инициализации, официальная карточка модели рекомендует добавить --language-model-only, поскольку контрольная точка содержит веса языковой модели.

Можно ли развернуть Qwen-AgentWorld с помощью SGLang?

Да. SGLang является одним из рекомендуемых вариантов обслуживания и может предоставлять API-эндпоинт, совместимый с OpenAI. После этого модель можно вызывать через локальные API-запросы.

Почему Qwen-AgentWorld требуется длинное контекстное окно?

Симуляция агентной среды часто зависит от длинной истории взаимодействий. Более короткое контекстное окно может потерять важную информацию о состоянии, поэтому официальные рекомендации советуют по возможности сохранять не менее 128 тыс. токенов.

Для чего используется AgentWorldBench?

AgentWorldBench — это бенчмарк, выпущенный вместе с Qwen-AgentWorld. Он оценивает языковые модели мира в семи областях по таким параметрам, как формат, фактическая точность, согласованность, реалистичность и качество.

Подходит ли Qwen-AgentWorld для использования в продакшене?

Он может быть полезен для исследований, оценки, симуляции и внутренних экспериментов. Для продакшн-систем всё равно необходимо оценить задержку, стоимость оборудования, безопасность, надежность промптов и то, насколько точно смоделированные результаты соответствуют вашей реальной среде.

Связанные инструменты

• Qwen-AgentWorld GitHub: Официальный репозиторий кода, промптов и рабочего процесса оценки Qwen-AgentWorld.

• Qwen-AgentWorld-35B-A3B на Hugging Face: Официальная страница модели для общедоступных весов 35B-A3B.

• AgentWorldBench: Официальный бенчмарк-набор данных для оценки языковых моделей мира.

• SGLang: Быстрый фреймворк для обслуживания больших языковых моделей.

• vLLM: Высокопроизводительный инференс-движок для обслуживания LLM.

• Transformers: Библиотека Hugging Face для локальной загрузки моделей и инференса.

• OpenAI Python SDK: Python-клиент, который может обращаться к OpenAI-совместимым локальным серверам моделей.

• ms-swift: фреймворк ModelScope для обучения и тонкой настройки рабочих процессов LLM.

Связанные ссылки

• Технический отчет Qwen-AgentWorld: официальная статья на arXiv, представляющая модель, бенчмарк и конфигурацию обучения.

• Официальный блог Qwen-AgentWorld: официальный пост Qwen о выпуске проекта.

• GitHub-репозиторий Qwen-AgentWorld: основной источник промптов, скриптов оценки и документации проекта.

• Карточка модели Qwen-AgentWorld-35B-A3B: официальная страница Hugging Face с примерами развертывания и инференса.

• Набор данных AgentWorldBench: официальный бенчмарк-набор данных, используемый для оценки модели.

• Документация SGLang: документация по обслуживанию LLM с помощью SGLang.

• Документация vLLM: документация по высокопроизводительному инференсу LLM и обслуживанию, совместимому с OpenAI.

• LLaMA-Factory: Популярный фреймворк с открытым исходным кодом для экспериментов с тонкой настройкой и развертыванием LLM.