据 动察 Beating 监测,通义实验室开源原生语言世界模型 Qwen-AgentWorld。模型首次将环境建模作为训练目标,通过训练 AI 预测环境的下一步响应,为 AI 智能体(Agent)构建了类似于飞行模拟器的虚拟空间。虚拟模拟避免了智能体在真实环境或网络沙箱中试错的高昂成本与安全风险。
Qwen-AgentWorld 统一覆盖文本与图形界面共七大领域。对于 Web、OS 和 Android 等图形环境,模型并不生成视频帧,而是将观测转化为 HTML 和无障碍树 XML 等代码文本,实现超高速且精确的逻辑模拟。在综合性评测基准 AgentWorldBench 上,Qwen-AgentWorld-397B-A17B 取得最高的整体均分(58.71),超越 GPT-5.4、Claude Opus 4.8 与 Gemini 3.1 Pro。
模型在智能体训练中展现出两种应用价值。一方面,作为解耦的环境模拟器,模型能零成本模拟数千个未涉及的虚拟环境,在 WideSearch 任务中追平甚至超越真实搜索引擎的训练效果。另一方面,预测能力可内化为智能体的元推理模式,使同一个模型在行动前能模拟环境响应,在完全未涉及的领域涌现出显著增益(Claw-Eval 提升 +11.3,函数调用 BFCL v4 提升 +9.0)。相关模型、基准与代码已全部开源。