Qwen-AgentWorld正式发布：首个统一七大智能体领域的“语言世界模型“，开源全解读

【免费下载链接】Qwen-AgentWorldQwen-AgentWorld: Language World Models for General Agents项目地址https://gitcode.com/gh_mirrors/qw/Qwen-AgentWorld点击查看免费下载2026年6月24日Qwen-AgentWorld语言世界模型正式开源——这是首个统一覆盖 MCP、Search、Terminal、SWE、Web、OS、Android 七大智能体交互领域的 Language World Model。它只需输入智能体的动作就能用语言推理预测环境的下一个状态。本次同步开放 Apache 2.0 协议的模型权重 Qwen-AgentWorld-35B-A3B 与评测基准 AgentWorldBench任何人都可以免费搭建自己的虚拟环境模拟器。什么是语言世界模型为什么重要传统训练智能体Agent需要真实环境——真实操作系统、真实浏览器、真实终端——成本高、难扩展、难控制。世界模型的思路是做一套虚拟环境给定动作预测环境下一状态。而 Qwen-AgentWorld 把这个模拟完全做在语言层面——用长思维链推理long chain-of-thought模拟终端输出、网页变化、手机 UI 变化把预测结果作为环境观察Environment Observation文本返回给智能体。它的三个关键差异点七大领域统一单个模型首次同时覆盖 MCP工具调用、Search、Terminal、SWE软件工程、Android、Web、OS 七个交互领域原生世界模型从 CPT持续预训练阶段起环境建模就是训练目标而不是事后加上去的附加功能可泛化、可控对分布外OOD环境零样本泛化支持可控扰动注入甚至能构建完全虚构但自洽的虚拟世界三阶段训练世界模型如何炼成Qwen-AgentWorld 基于超过 1000 万条真实交互轨迹通过三阶段流水线训练CPT持续预训练注入七大领域的环境知识奠定懂环境的基础SFT监督微调激活下一状态预测推理能力学会预测环境下一步RL强化学习打磨模拟保真度让预测更贴近真实环境开源的Qwen-AgentWorld-35B-A3B采用 MoE 架构总参数 35B、激活参数仅 3B支持256K 上下文长度足以承载长程多轮智能体轨迹部署成本也大幅降低。开源内容与快速部署指南本次发布两大核心资产均为 Apache 2.0 协议开源项说明Qwen-AgentWorld-35B-A3B语言世界模型权重MoE 35B/3B 激活256K 上下文AgentWorldBench七大领域评测基准2,170 条样本克隆仓库即可获取全部资源git clone https://gitcode.com/gh_mirrors/qw/Qwen-AgentWorld一键部署步骤SGLang 一条命令启动模型同时支持 SGLang 与 vLLM 两类推理框架启动后都会暴露 OpenAI 兼容 API默认http://localhost:8000/v1。以 SGLang 为例python -m sglang.launch_server \ --model-path Qwen/Qwen-AgentWorld-35B-A3B \ --port 8000 \ --tensor-parallel-size 4 \ --context-length 262144 \ --reasoning-parser qwen3也可以用 HuggingFace Transformers 直接加载只需写一句模拟 Linux 终端、给定命令、预测输出的系统提示它就能预测终端的下一状态。完整示例见 README.md。仓库还内置了七大领域的专属 System Prompt 模板每个领域都包含system_prompt.txt世界模型提示词与judge_system_prompt.txt评测提示词。例如终端领域的提示词详细定义了终端状态表示与状态转移规则prompts/terminal/system_prompt.txt。这些模板可直接作为通用系统提示词调用模拟器。AgentWorldBench如何给世界模型保真度打分评测世界模型是个老大难问题模拟反馈和真实环境很难直接对比。AgentWorldBench 用LLM-as-a-Judge 五维量表解决它。基准构成2,170 条回合级评测样本覆盖七大领域源自 9 个源基准Search 458 条、SWE 472 条、Terminal 354 条占比较高。每条样本从 5 个维度打分1-5 分归一化到 0-100Format格式规范性Factuality事实准确性Consistency一致性Realism真实感Quality质量评测成绩总体得分超越 GPT-5.4模型总分亮点Qwen-AgentWorld-397B-A17B58.71总分第一SWE 68.49 / OS 67.89 / Search 37.82 七大领域均领先GPT-5.458.25MCP 领域第一70.10Claude Opus 4.856.59Terminal 59.18、Web 54.66 领先Qwen-AgentWorld-35B-A3B56.39比同规模基座 Qwen3.5-35B-A3B47.73高 8.66两个值得关注的数字397B 版总分58.71超过最强闭源模型 GPT-5.458.2535B 小版本领先同规模基座 8.66 分说明世界模型训练本身就带来显著提升。仓库提供了开箱即用的评测脚本 eval/eval.py三步即可完成完整评测infer跑世界模型推理→judgeLLM 裁判打分→score汇总输出支持任意 OpenAI 兼容端点。任务配置与评分维度集中在 eval/lwm_eval_utils/task_configs.py 中维护。不止于评测三大杀手级应用场景① 可泛化环境扩展Sim RL用 Qwen-AgentWorld-397B-A17B 作为模拟环境在 4,000 个分布外 OpenClaw 环境中做强化学习智能体在 Claw-Eval 上从 65.4 提升到69.74.3QwenClawBench 从 47.9 提升到55.07.1显著优于真实环境训练基线。② 可控模拟暴露智能体弱点向模拟环境注入受控扰动可以针对性地坑智能体。MCP 领域用受控 Sim RL 把 MCPMark 从 21.5 提升到33.812.3Tool Decathlon 从 32.4 提升到 36.1。③ 虚构世界构建在完全虚构、自洽的想象搜索世界中训练智能体反而能更好泛化到真实搜索任务——35B 版 WideSearch F1 (Item) 从 34.02 提升到50.3116.29虚构世界训练效果超过真实环境。④ 智能体基座模型LWM RL 预热先在世界模型上对单轮、无工具轨迹做 RL再迁移到多轮工具调用任务7 个基准含 3 个完全域外全面提升如 Claw-Eval 11.28、WideSearch 12.79、BFCL v4 8.96。总结Qwen-AgentWorld 用单个模型统一了 MCP、Search、Terminal、SWE、Web、OS、Android 七大智能体领域通过 CPT→SFT→RL 三阶段管线和千万级真实轨迹实现了首个原生语言世界模型397B 版在 AgentWorldBench 上总分力压 GPT-5.435B 版则让普通团队也能低成本部署。对想进入智能体训练赛道的开发者来说这是目前成本最低的虚拟环境入口——克隆仓库、一条命令部署 35B 模型、用内置 prompts/ 提示词模板即可开始搭建属于自己的环境模拟器。所有权重与数据均为 Apache 2.0 协议见 LICENSE可免费商用。赞分享【免费下载链接】Qwen-AgentWorldQwen-AgentWorld: Language World Models for General Agents项目地址https://gitcode.com/gh_mirrors/qw/Qwen-AgentWorld点击查看免费下载相关推荐Qwen-AgentWorld的AgentWorldBench深度剖析7大领域×5维评分世界模型究竟如何度量Qwen AgentWorld的AgentWorldBench深度剖析7大领域×5维评分世界模型究竟如何度量 Qwen AgentWorld 是一个原生的世界模型是智能体基础模型吗Qwen-AgentWorld LWM RL预热让7大基准最高提升12.79世界模型是智能体基础模型吗Qwen AgentWorld LWM RL预热让7大基准最高提升12.79 Qwen AgentWorld 是 Qwen 团队开源深度解析Expo新架构跨平台React Native应用性能优化终极指南深度解析Expo新架构跨平台React Native应用性能优化终极指南 Expo作为基于React Native的开源框架为开发者提供了构建跨平台原生应用移动开发前端跨平台原生移动上一篇Vibe Coding 小程序开发实战从记账、打卡双项目到微信上线全流程下一篇OpenDots源码分析完整指南DotAgent每100ms权限监视与90秒超时背后的工程设计原理创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考