Qwen-AgentWorld simule sept environnements pour agents IA

La difficulté de construire des agents IA généraux tient en grande partie au coût de les faire interagir avec des environnements réels : chaque erreur consomme du temps et des ressources, parfois sensibles. L'équipe Qwen propose sur arXiv une approche différente avec Qwen-AgentWorld : entraîner un modèle de langage à simuler fidèlement ces environnements, puis utiliser cette simulation comme terrain d'entraînement pour les agents.

Le système couvre sept domaines d'interaction (MCP, Search, Terminal, Software Engineering, Android, Web et OS) à partir de plus de 10 millions de trajectoires réelles. L'architecture s'appuie sur un pipeline d'entraînement en trois étapes : pré-entraînement continu pour injecter la dynamique des transitions d'état, fine-tuning supervisé pour activer le raisonnement de prédiction d'état, puis apprentissage par renforcement pour affiner la fidélité de simulation via des récompenses hybrides. Deux modèles sont publiés : Qwen-AgentWorld-35B-A3B et Qwen-AgentWorld-397B-A17B.

Sur AgentWorldBench, le benchmark construit par l'équipe à partir d'interactions de cinq modèles frontière sur neuf benchmarks établis, le modèle 397B atteint un score global de 58,71, dépassant GPT-5.4 à 58,25. Dans le domaine Terminal, l'écart est plus marqué : 57,73 contre 53,69. L'honnêteté oblige à signaler que ce benchmark a été conçu par les auteurs eux-mêmes, ce qui invite à la prudence sur la portée des comparaisons.

Ce qui est peut-être plus convaincant que le score brut, c'est la double utilité démontrée. En tant que simulateur, Qwen-AgentWorld génère des environnements synthétiques pour entraîner d'autres agents via RL, avec des gains rapportés sur Tool Decathlon, MCPMark et WideSearch. En tant que modèle fondation, le warm-up par modèle de monde améliore les performances en aval sur sept benchmarks d'agents, dont Terminal-Bench 2.0 et SWE-Bench.