阿里千问发布QwenGyre，面向超长程智能体任务的在线强化学习框架

IT之家10月12日消息，阿里千问今日正式发布QwenGyre，这是一款面向长程智能体任务的在线强化学习框架。

据官方介绍，当智能体承担复杂工作，一次执行往往持续数小时，模型与环境之间有数百轮相互依赖的交互，累计处理百万级token。QwenGyre通过弹性调度与轨迹处理， 让这类超长程任务成为有效的训练来源 ， 同时带来能力与效率提升 。

QwenGyre能够把GPU分成若干计算单元，任务每结束一批，空出的单元就转入训练，就像项目组里谁先交差、谁先加入复盘。还在跑的任务完全不受打扰，进度和状态原地保留，连之前算过的缓存都整体搬走，不必重头再来。新空出的单元直接加入本轮训练，谁算得快谁多干，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可通过Token-in Token-out记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，只把被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提供有用反馈，不浪费任何一步努力。

跑分方面，官方在NL2RepoBench在线强化学习实验中，以每次rollout约70万token的任务开展训练，48步训练后模型通过率从52.5%提升至58.5%。相同GPU预算下，QwenGyre相对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三类任务均获得端到端提速。