阿里近日宣布推出其首个原生语言世界模型（LWM）Qwen-AgentWorld，该模型专为AI智能体的研发与训练设计，提供35B-A3B与397B-A17B两种参数规模版本。与传统模型不同，Qwen-AgentWorld的核心目标并非降低成本或替代真实交互环境，而是通过内部模拟环境反馈来增强智能体的决策能力，使其在执行动作前能够预判结果。
Qwen-AgentWorld的两大创新点在于：其一，从预训练阶段就将环境建模纳入训练目标，贯穿CPT→SFT→RL全流程，突破了传统模型先训练后适配环境的模式；其二，单一模型可同时覆盖文本类（MCP、Search、Terminal、SWE）与GUI类（Web、OS、Android）共7类环境，实现跨领域知识迁移。例如，该模型能模拟手机系统操作，通过预测点击删除图标后的界面变化，验证其环境理解能力。
为评估模型性能，阿里同步发布评测基准AgentWorldBench。该基准基于5个前沿模型在9个真实环境交互数据集上的表现构建，采用开放式评分标准，从格式、事实性、一致性、真实性和质量五个维度综合评估。测试结果显示，397B-A17B版本以58.71分的整体均分超越GPT-5.4（58.25分）、Claude Opus 4.8与Gemini 3.1 Pro，尤其在Terminal和SWE领域表现突出，这得益于其对代码执行状态和工具API行为的精准模拟。35B-A3B版本通过三阶段训练流水线提升8.66分，性能超越Claude Sonnet 4.6。
进一步分析模型思维链发现，Qwen-AgentWorld涌现出三种独特推理模式：一是自我修正能力，模型通过“Wait!”信号触发中断，修正事实错误或视角偏差，129个轮次中平均每轮修正10.4次；二是信息泄漏防护机制，在搜索任务中，模型主动屏蔽无关查询与目标答案的关联，避免数据泄露；三是多步因果推理，例如预测“curl -s localhost:3000 | python3 -m json.tool”的输出时，模型需构建6步推理链，涵盖服务器状态、端口监听、工具行为等环节。
作为统一智能体基础模型，Qwen-AgentWorld的预训练能力可直接迁移至多轮智能体任务，覆盖七个基准测试集，且无需针对具体任务进行强化学习微调。这一特性验证了语言世界模型作为构建更强智能体基础的潜力，为突破真实环境交互的限制提供了新路径。目前，阿里已开源35B-A3B模型权重及AgentWorldBench评估基准，开发者可通过GitHub、ModelScope和Hugging Face平台获取资源。
