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时，一次执行往往持续数小时，模型与环境之间会发生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，空出的单元就会转入训练；仍在运行的任务则不会受到干扰，进度和状态会原地保留，连此前计算过的缓存也可整体迁移，无需从头再来。新空出的单元可直接加入本轮训练，最终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，避免浪费中间过程。

在实验结果方面，官方表示，在 NL2RepoBench 在线强化学习实验中，训练任务每次 rollout 约为 70 万 token。经过 48 步训练后，模型通过率从 52.5% 提升至 58.5%。在相同 GPU 预算下，QwenGyre 相对 Async 实现 1.78 倍端到端加速，训练分数与 Async、Colocate 接近。官方还称，在 Qwen3.6-122B 上进行的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench 三类任务均获得端到端提速。