2026-10-12
IT之家 10 月 12 日消息，阿里千问于今日正式推出 QwenGyre，这是一个专为长程智能体任务设计的在线强化学习框架。
官方介绍称，当智能体执行复杂任务时，单次操作可能持续数小时，模型与环境之间会产生数百次相互依赖的交互，累计处理百万级 token。QwenGyre 利用弹性调度与轨迹处理，使这类超长程任务成为有效的训练来源，同时提升能力与效率。
QwenGyre 能将 GPU 划分为多个计算单元，每批任务完成后，空闲单元便转入训练模式，类似项目组中先完成工作的人先参与复盘。正在运行的任务不会受干扰，进度与状态得以完整保留，之前计算过的缓存也会整体迁移，无需重新开始。新空闲的单元直接加入本轮训练，计算速度快的单元承担更多工作，最后由核心单元汇总结果，完成一次参数更新。
IT之家注意到，QwenGyre 通过 Token-in Token-out 机制记录每段输出生成时的实际上下文，并按共享前缀组织成轨迹树，仅将选中的路径展开为训练样本。同时，超时但部分完成的任务也能通过 Partial Scoring 提供有效反馈，避免浪费任何一步努力。
在性能方面，官方在 NL2RepoBench 在线强化学习实验中，以每次 rollout 约 70 万 token 的任务进行训练，经过 48 步训练后，模型通过率从 52.5% 提升至 58.5%。在相同 GPU 预算下，QwenGyre 相比 Async 实现 1.78× 的端到端加速，训练分数与 Async、Colocate 接近。在 Qwen3.6-122B 上的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench 三类任务均实现了端到端提速。
