模型介绍
中文整理Qwen-AgentWorld-35B-A3B
模型用途
Qwen-AgentWorld-35B-A3B是一个原生语言世界模型，专门训练用于智能体环境模拟。该模型通过长链式思维推理来模拟智能体环境，根据智能体的动作和交互历史预测下一环境状态。
主要能力
首个覆盖七个智能体交互领域的语言世界模型，单一模型涵盖MCP（工具调用）、搜索、终端、SWE（软件工程）、Android、Web和OS领域，涵盖文本和图形用户界面交互环境。
采用三阶段训练 pipeline：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）提升模拟保真度。从CPT阶段开始就将环境建模作为训练目标，而非事后添加。
具备零样本泛化能力，可泛化到分布外环境（如OpenClaw）；支持可控扰动和虚构世界构建。在单轮非智能体轨迹上进行LWM RL预热，可迁移到多轮工具调用智能体任务，在7个基准测试上表现良好。
输入输出
输入：智能体的动作和交互历史
输出：预测的下一环境状态/环境观察
模型根据当前环境状态和智能体采取的动作，输出对下一环境状态的预测。
运行要求
默认上下文长度为262,144个tokens。遇到内存溢出错误时可考虑减少上下文窗口，但由于Qwen-AgentWorld利用扩展上下文进行多轮环境模拟，建议保持至少128K tokens的上下文长度。
支持通过SGLang、vLLM等推理框架进行部署。使用vLLM时需要--language-model-only标志，因为模型架构包含视觉组件定义但检查点仅包含语言模型权重。
基本用法
通过OpenAI兼容API提供服务。推荐使用GitHub仓库prompts/目录中的领域特定世界模型系统提示模板，这些模板可作为环境模拟的通用系统提示。每个领域文件夹包含world model system prompt（世界模型系统提示）和judge system prompt（评估提示）。
推理参数建议：temperature=0.6，top_p=0.95，top_k=20。模型默认使用思考模式进行环境状态转换推理。大多数查询建议输出长度为32,768个tokens；对于长轨迹可增加最大输出长度以容纳详细的环境观察。
限制
训练pipeline中不包含外部API服务的输出。
许可证
模型权重和配置文件遵循相应的许可协议。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。