---
title: "Qwen-AgentWorld – 通义千问推出的原生语言世界模型"
url: "https://paooo.com/aigc-news/38622/"
author: "Prompt 语宙研究院"
published_at: "2026-07-23T12:59:08+08:00"
updated_at: "2026-07-23T12:59:08+08:00"
categories: "AIGC 资讯"
tags: "AI编程, Claude, Gemini, OpenAI, 通义千问"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Qwen-AgentWorld – 通义千问推出的原生语言世界模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/38622/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-23

## AI 30 秒核心看点 (TL;DR)

- 首个原生多域语言世界模型，端到端学习环境动力学，不是事后适配。
- 统一覆盖 7 大智能体环境，可做模拟器也可直接作为智能体骨干。
- AgentWorldBench 上 397B-A17B 得分 58.8，超越 Claude、GPT-5.4、Gemini 等基线。

## Qwen-AgentWorld是什么

Qwen-AgentWorld 是通义千问团队推出的首个语言世界模型，通过长思维链推理模拟 MCP、搜索、终端、软件工程、Android、Web、操作系统共 7 大智能体环境。模型基于 1000 万+真实交互轨迹，经三阶段训练（CPT→SFT→RL）打造，并推出 AgentWorldBench 评测基准，验证其在环境模拟与智能体训练中的领先性能。

## Qwen-AgentWorld的主要功能

- **七域统一环境模拟**：覆盖 MCP 工具调用、搜索引擎、Linux 终端、软件工程（SWE）、Android GUI、Web 浏览器、操作系统 7 大交互环境，用统一文本格式表示状态转移。

- **长思维链状态预测**：输入当前状态与智能体动作，模型通过长 CoT 推理预测精确的环境反馈，如下一屏 UI、终端输出、报错信息等。

- **可控对抗模拟**：支持注入特定模拟指令，如”隐藏部分搜索结果”、”模拟磁盘满报错”，系统性地生成真实环境罕见的边缘案例。

- **4. 智能体强化学习训练**：可作为解耦的环境模拟器，支撑 Sim Agentic RL，在 4000+ 真实 OpenClaw 环境中实现可扩展的回合级训练。

- **统一智能体基础模型**：世界模型训练可作为智能体训练的”热身”，内化为类似”反思”的前向思考模式，提升下游任务表现。

## Qwen-AgentWorld的技术原理

- **统一轨迹模式**：将 7 个异构环境的状态表示统一为 `(system_prompt, action, observation)` 序列，system_prompt 包含任务描述、动作空间、初始状态、演示示例和模拟指令五部分。

- **三阶段训练管线**：

**CPT（持续预训练）**：注入状态转移动力学与增强专业语料，建立通用世界建模能力。

- 
**SFT（监督微调）**：激活”下一状态预测”的推理思维链模式。

- 
**RL（强化学习）**：采用混合评分标准奖励（rubric-based）与规则奖励（rule-based），精修模拟保真度。

- **混合奖励框架**：针对可验证的确定性能力，如终端命令执行、文件系统变化，设计规则验证器；对开放域模拟质量采用五维评分标准评判。

- **环境表示策略**：文本域直接预测文本输出；GUI 域可访问性树（accessibility tree）和 UI 视图层级结构表示状态，而非原始像素。

微信关注回复 “**开源**”，加入**AI开源项目交流群**

## 如何使用Qwen-AgentWorld

- **作为环境模拟器（Decoupled）**：部署模型替代真实环境，通过 API 接收 `(state, action)` 返回 `next_state`，用于大规模回合级 RL 训练，无需沙箱或虚拟机。

- **作为智能体基础模型（Unified）**：将 Qwen-AgentWorld 直接作为智能体骨干，其内置的世界建模能力可辅助动作选择，在 Terminal-Bench、SWE-Bench、Claw-Eval 等基准上开箱即用。

- **模型获取**：HuggingFace / ModelScope 下载权重（`Qwen-AgentWorld-35B-A3B` 等）

## Qwen-AgentWorld的核心优势

- **首个原生多域语言世界模型**：从 CPT 阶段起即将环境建模作为显式目标端到端训练，而非对通用大语言模型的事后适配。

- **显著超越前沿基线**：在 AgentWorldBench 上，397B-A17B 版本（58.8 分）超越 Claude Opus 4.8（56.6）、GPT-5.4（58.2）、Gemini 3.1 Pro（54.6）、DeepSeek-V4-Pro（53.0）与 Qwen3.6-Plus（50.8）。

- **可扩展且可控** 无需真实基础设施即可回合级扩展环境，支持精确扰动生成对抗样本；可控模拟 RL 显著优于仅在真实环境中训练的 RL。

- **跨域泛化与预热迁移**：LWM 训练作为智能体预热，可迁移至 7 个基准（其中 3 个完全未出现在训练集中），无需智能体任务 RL 微调即展现强泛化。

- **纯文本覆盖视觉环境**：GUI 域以无障碍树/ HTML/ UI 层级标记表示状态，纯文本世界建模即可涵盖视觉交互环境。

## Qwen-AgentWorld的项目地址

- **项目官网**：https://qwen.ai/blog?id=qwen-agentworld

- **GitHub仓库**：https://github.com/QwenLM/Qwen-AgentWorld

- **HuggingFace模型库**：https://huggingface.co/collections/Qwen/qwen-agentworld

- **arXiv技术论文**：https://arxiv.org/pdf/2606.24597

## Qwen-AgentWorld的同类竞品对比

维度
Qwen-AgentWorld
[WebWorld](https://ai-bot.cn/webworld/)

**定位**
七域统一语言世界模型（原生 LWM）
大规模 Web 智能体训练专用世界模型

**环境覆盖**
7 大域：MCP、Search、Terminal、SWE、Web、Android、OS
单一域：Web 浏览器环境

**状态表示**
统一文本模式：无障碍树 XML、HTML、UI 层级标记、Shell 输出、代码执行结果
多格式状态：A11y 树、HTML、XML、Markdown、自然语言（5 种格式自适应保留）

**训练方式**
CPT → SFT → RL 三阶段端到端原生训练，1000 万+真实轨迹
两阶段课程：广泛预训练（原始 Web 动态）+ 因果推理激活（显式状态转移推理）

**模型规模**
35B-A3B / 397B-A17B
14B / 32B

**上下文窗口**
支持长上下文（具体长度未明确，但覆盖多轮长轨迹）
256K tokens

**模拟深度**
长思维链（CoT）推理预测下一状态，支持可控对抗模拟
支持 30+ 连续步骤的多轮模拟，一致状态跟踪

**动作空间**
各域原生动作格式（Shell 命令、工具调用、UI 操作等）
统一 Python 风格函数调用（`click(bid)`、`fill(bid, text)`、`goto(url)` 等）

**评测基准**
自建 AgentWorldBench（2170 样本/7 域/5 维评分+规则验证）
基于 WebArena、Mind2Web 等 Web 智能体基准验证

**核心优势**
跨域统一、七域原生、可控对抗、Sim Agentic RL + 统一基础模型双范式
Web 域专精、多格式兼容、动作空间标准化、256K 长上下文

## Qwen-AgentWorld的应用场景

- **智能体训练基础设施**：为 AI Agent 提供低成本、可扩展、可控制的虚拟训练场，替代昂贵的沙箱与真实 API 调用。

- **边缘案例与对抗测试**：生成真实环境罕见的错误状态，如网络超时、权限拒绝、资源不足，测试智能体鲁棒性。

- **软件工程辅助**：模拟代码执行、测试反馈、Git 操作结果，辅助开发者预演操作后果。

- **自动化 UI 测试**：模拟 Android/Web/桌面应用交互，预测点击/输入后的页面状态变化，用于自动化测试脚本生成。

- **工具调用与 MCP 生态**：模拟 MCP 服务器响应与多工具链编排，帮助开发者调试复杂调用逻辑，无需部署真实服务。

## 常见问题解答 (FAQ)

### Qwen-AgentWorld是什么模型？
Qwen-AgentWorld 是通义千问团队推出的首个语言世界模型，面向 MCP、搜索、终端、软件工程、Android、Web 和操作系统等 7 大智能体环境，核心能力是用长思维链预测下一状态与环境反馈。

### Qwen-AgentWorld适合怎么用？
它既可作为解耦的环境模拟器，接收 state 和 action 返回 next_state，用于大规模回合级 RL 训练；也可直接作为智能体基础模型，辅助动作选择并用于相关基准测试。

### Qwen-AgentWorld相比WebWorld有什么区别？
Qwen-AgentWorld 是七域统一的原生语言世界模型，覆盖更广；WebWorld 主要聚焦 Web 浏览器环境。前者强调多域统一建模与可控对抗模拟，后者更偏单域 Web 训练。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
