阿里千问开源首个原生语言世界模型 Qwen-AgentWorld，单一模型覆盖 MCP / Search / Terminal / SWE / Web / OS / Android 七类智能体环境，配套发布 AgentWorldBench 评测基准。
阿里千问开源首个原生语言世界模型 Qwen-AgentWorld，单一模型覆盖 MCP / Search / Terminal / SWE / Web / OS / Android 七类智能体环境，配套发布 AgentWorldBench 评测基准。
Codex官方团队成员分享如何把Codex用到极致，涵盖持久对话流、语音输入、任务干预、自动化、目标设定等核心功能的组合用法。
阿里千问发布了首个原生语言世界模型（Language World Model, LWM）Qwen-AgentWorld，专门为 AI 智能体的研发与训练而生。它的核心能力是：让智能体在做动作前，先在内部模拟环境反馈再决策。一个模型同时覆盖 7 类智能体交互环境，配套发布了评测基准 AgentWorldBench，模型权重和基准均已开源。
这篇拆解 Qwen-AgentWorld 是什么、怎么工作、效果如何、怎么拿到。
Qwen-AgentWorld 是一个语言世界模型，提供两种参数规模：
它不是用来替代真实环境交互的——真实环境始终是确保智能体行为可靠性的黄金标准。LWM 提供的是一条 互补路径：具备超越真实环境的可扩展性与可控性，以及内化的世界预测能力。
上图为模拟手机系统：左侧是手机界面初始状态，右侧是 Agent 点击工具栏中删除图标的操作预测。
环境建模贯穿 CPT → SFT → RL 全流程。此前训练通用基础大模型，往往在训练结束后才开始教 AI 理解环境、预判操作结果。Qwen-AgentWorld 把这一步前置到预训练阶段，基于超过 1000 万条真实环境交互轨迹训练而成。
| 类别 | 覆盖环境 |
|---|---|
| 文本类 | MCP、Search、Terminal、SWE |
| GUI 类 | Web、OS、Android |
三个 GUI 领域的环境观测以 可渲染代码（无障碍树 XML、HTML、UI 层级标记）而非像素帧形式呈现，使得纯文本世界建模就能覆盖视觉环境，实现跨领域知识迁移。
它能模拟电脑系统（如从菜单栏单击「文件」>「打印」的操作预测）和网站交互（如点击「添加用户」按钮的操作预测）。
配套发布的 AgentWorldBench 基于 5 个前沿模型在 9 个成熟评测集上的真实环境交互观测构建，从格式、事实性、一致性、真实性、质量五个维度评估。
研究人员分析了 4 个文本类领域的 129 条思维链，发现 3 种涌现的推理模式：
curl -s localhost:3000 | python3 -m json.tool 的输出时，能跑出一条 6 步推理链——Node.js 缺失 → 服务器未启动 → 端口 3000 无监听 → curl 静默失败 → 空管道 → json.tool 抛出 JSONDecodeError。💡 提示：Qwen-AgentWorld 验证了语言世界模型既能当「解耦的环境模拟器」给智能体 RL 提供可控训练环境，也能当「统一的智能体基础模型」——其预训练可迁移至涵盖七个基准的多轮智能体任务，且无需针对智能体任务做任何 RL 微调。
阿里开源了 Qwen-AgentWorld-35B-A3B（模型权重）和 AgentWorldBench（评估基准）。