QwenLM/Qwen-AgentWorld

Qwen-AgentWorld 是一个语言世界模型，它不直接执行任务，而是用长链思维推理来模拟代理可能遇到的环境，覆盖 MCP、搜索等七个领域。它面向正在构建通用 AI 代理的开发者，同时放出了模型权重 Qwen-AgentWorld-35B-A3B 和跨领域评估基准 AgentWorldBench。

现在，开发者想让一个代理同时处理 MCP 工具调用、网页搜索、代码执行等任务，通常需要自己动手拼环境。比如，为了测试代理使用 MCP 服务器的能力，得手动部署几个 MCP 服务，写好交互脚本，再设计各种异常情况；要测搜索，得接上搜索 API 并模拟结果排序和截断。这些环境彼此独立，接口不统一，每加一个新领域就要重新搭一套，而且很难模拟真实世界中任务交错出现的动态变化。部分团队会直接用现有的基准，比如 WebArena 测网页操作，SWE-bench 测代码修复，但它们是静态的、领域单一的，测完一个还得换另一个，没法一次性看清代理的通用能力。

真正卡住的地方不是缺模型，而是缺一个能动态生成多样化交互场景的“世界”。自己写脚本搭环境，不仅耗时，还容易漏掉边缘情况，导致训练出来的代理一进真...