阿里千问团队10月12日正式推出QwenGyre，这是一款面向长程智能体任务的在线强化学习框架，专注于解决智能体在执行持续数小时的超长复杂任务时所面临的训练难题。借助这一框架，庞大且复杂的长程任务数据可被充分利用，转化为扎实的训练基础，也为智能体训练技术路线探索提供了新的方向。

阿里千问正式推出QwenGyre，破解超长程智能体任务设计难题

智能体在承担复杂工作时，单次执行往往持续数小时，需要与环境进行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机制，让这类超长程任务成为有效的训练来源，同时实现能力与效率的双重提升。

在资源调度方面，QwenGyre展现出出色的弹性设计能力，可将GPU拆分为多个计算单元。每当有一批任务率先完成，随之空出的计算单元便会马上转入训练环节开始工作，而那些仍在执行中的任务则处于完全不受打扰的运行状态，不仅执行进度和运行状态被原封不动地保留下来。借助这种机制，系统真正做到了“谁算得快谁多干”，让快的算力承担更多工作，最终由核心单元汇总结果完成参数更新，实现高效协同。

在数据处理方面，QwenGyre 通过 Token-in Token-out 机制记录每段输出生成时的真实上下文，并按共享前缀组织成轨迹树，仅将被选中的路径展开为训练样本。此外，超时但部分完成的任务也能借助 Partial Scoring 提供有效反馈，不浪费任何一步努力。

跑分表现上，在NL2RepoBench 在线强化学习实验中，以单次 rollout 约 70 万 token 的任务规模连续训练 48 步后，模型通过率从最初的 52.5% 攀升至 58.5%，提升显著。而在同等 GPU 预算的对比中，QwenGyre 的端到端速度达到 Async 的 1.78 倍。同时，团队还在 Qwen3.6-122B 上进行了跨任务验证，结果三类不同任务全部实现了端到端提速。