阿里千问正式推出 QwenGyre，这是一个专为长程智能体任务设计的在线强化学习框架。
针对智能体需长时间运行、涉及数百轮交互并处理百万级数据的复杂场景，QwenGyre 通过优化调度与数据处理机制，显著提升了训练效率与模型能力。其核心优势在于“弹性计算”：系统能将 GPU 资源动态切分，当一批任务完成后，空闲的计算单元立即投入训练，而正在执行的任务不受干扰，状态和缓存完整保留。这种机制实现了“谁先完成谁多干”，由核心单元汇总结果以更新参数，极大减少了重复计算。
实测数据显示，在 NL2RepoBench 实验中，经过 48 步训练（每轮约 70 万 token），模型通过率从 52.5% 提升至 58.5%。在同等 GPU 资源下，QwenGyre 的端到端加速比达到 Async 方法的 1.78 倍，且性能表现接近 Async 和 Colocate 方案。此外，在 Qwen3.6-122B 模型上的跨任务验证中，该框架在 NL2RepoBench、DeepSWE 和 TerminalBench 三类任务中均实现了显著的端到端提速。