6月24日，阿里巴巴千问大模型正式推出Qwen-AgentWorld，官方将其定义为首个原生语言世界模型。通俗来说，该模型能够在七个不同的智能体交互环境中模拟真实场景——涵盖文本类环境（MCP、Search、Terminal、SWE）以及GUI类环境（Web、OS、Android），单一模型即可全面覆盖。发布时提供了两种规模版本：35B-A3B和397B-A17B。

关键要点如下：

• 原生世界建模：环境建模从持续预训练（CPT）阶段即作为核心训练目标，贯穿CPT→SFT→RL完整流程。不同于通用大模型后期强行适配，该模型从一开始便聚焦环境建模。

• 七大领域，同一模型：单一模型同时覆盖文本类环境（MCP、Search、Terminal、SWE）与GUI类环境（Web、OS、Android），真正实现了跨领域知识迁移。

同步推出的还有AgentWorldBench——一个专门用于评测语言世界模型的基准，同样覆盖七大领域。每条测试样本均配备由真实环境执行得到的观测数据，确保评测结果具有真实数据支撑。模型与评测基准均可从Hugging Face和ModelScope获取。

Qwen-AgentWorld 代表了团队的核心研究方向——基于语言模型的世界建模是否能进一步拓展通用智能体的能力边界。

该探索主要从两个方向展开：

• 首先，构建智能体环境模拟的基础模型。Qwen-AgentWorld是首个在单一模型中覆盖七大智能体交互领域（MCP、Search、Terminal、SWE、Web、OS、Android）的语言世界模型。训练数据来自超过1000万条真实环境交互轨迹，历经CPT→SFT→RL三阶段训练。在AgentWorldBench评测中，最大规模的Qwen-AgentWorld-397B-A17B取得了最高整体模拟质量，超越了GPT-5.4、Claude Opus 4.8和Gemini 3.1 Pro。

• 其次，探讨世界建模在智能体训练中的实际作用。这里包含两种互补验证方式：一是作为解耦的环境模拟器，为智能体强化学习提供更好的可扩展性和可控性——可控模拟RL能够以真实环境无法实现的方式塑造智能体行为，且效果显著优于仅在真实环境中运行RL的方案；二是作为统一的智能体基础模型，LWM预热训练可以有效迁移到涵盖七个基准（其中三个从未出现在训练集中）的多轮智能体任务上，而完全无需在智能体任务上进行任何RL微调。这初步验证了一个判断：语言世界模型完全有能力成为构建更强智能体模型的基础。

具体实现路径上，三阶段训练范式如下：持续预训练（CPT）注入环境知识，监督微调（SFT）激活下一状态预测推理，强化学习（RL）打磨模拟真实性——自底向上逐步构建世界建模能力。世界模型赋能通用智能体的两种互补范式也得到了验证：作为解耦的环境模拟器，在Tool Decathlon、MCPMark和WideSearch上，可控模拟的表现优于无控模拟和真实环境训练；作为统一智能体基础模型，LWM预热训练的可迁移性也得到了初步验证。语言世界建模这一方向开辟了互补的扩展路径，使通用智能体的能力边界能够突破真实环境交互所提供的上限。

最后补充一点，AgentWorldBench已在Hugging Face上发布，以按领域划分的JSONL文件形式呈现，每个文件均包含来自真实环境的交互轨迹及对应的真实观测数据。总结而言，这套体系在语言世界建模与通用智能体方向上，交出了一份相当扎实的答卷。