Lancement de Qwen-AgentWorld : le premier modèle mondial en langue native, un modèle simule sept domaines principaux

Le 23 juin 2026, l'équipe Alibaba Tongyi Qianwen a officiellement publié Qwen-AgentWorld pour Qwen - officiellement défini comme le premier modèle mondial en langue native (LWM), qui peut simuler des environnements d'interaction d'agents dans sept domaines principaux. Il ne s'agit pas d'un « autre outil pour agents », mais il fournit un monde simulé qui « peut être formé, testé et évolué » pour les agents.

Deux conceptions principales

• Modélisation du monde natif : L'objectif de formation « comprendre et simuler l'environnement » est introduit dès la phase de pré-formation et traverse l'ensemble du processus CPT → SFT → RL, au lieu d'une adaptation uniquement dans la phase post-formation. Cela signifie que « comprendre l'environnement » est une capacité innée du modèle, et non un patch acquis.
• Sept domaines, un modèle : un seul modèle couvre à la fois les environnements textuels (MCP, Search, Terminal, etc.) et les simulations mondiales plus larges. Un modèle couvre plusieurs environnements, réduisant ainsi la complexité technique de la formation et de l'évaluation des agents.

Echos avec l'intelligence incarnée

Au même moment (16 juin), Qwen a publié Qwen-Robot Suite (Qwen-RobotNav, Qwen-RobotManip, Qwen-RobotWorld), qui permet « à l'intelligence générale de piloter directement des actions physiques » grâce à une allocation visuelle adaptative, un alignement de données hétérogènes et une formation conjointe de modèles mondiaux. AgentWorld est en charge de la « simulation du monde numérique » et Robot Suite est en charge de « l'action dans le monde physique » - ensemble, Qwen trace un parcours complet de « modèle de langage + modèle du monde + intelligence incarnée ».

Pourquoi "World Model" est la prochaine étape

Du point de vue de l'industrie, la valeur d'AgentWorld réside dans le fait qu'il met en évidence le principal goulot d'étranglement du développement des agents : L'environnement réel est incontrôlable et irremplaçable, ce qui rend difficile pour les agents de se former de manière sûre et efficace. Le modèle du monde linguistique fournit un environnement de simulation reproductible et peu coûteux, permettant à l'agent d'effectuer un grand nombre d'essais et d'erreurs dans le « monde virtuel ». C'est la même chose que la recherche sur « l'espace de travail mondial » d'Anthropic : les principaux fabricants tentent de répondre à la question fondamentale de « comment faire en sorte que l'IA comprenne mieux le monde ».

Pour les développeurs d'agents nationaux, l'importance des modèles mondiaux open source tels que AgentWorld est directe : ils peuvent devenir un bac à sable standard pour la formation et l'évaluation des agents. Qwen a choisi de l'ouvrir en source libre, poursuivant ainsi la voie de « l'open source pour l'écologie » : lorsque le modèle mondial devient l'infrastructure de l'ère Agent, les premiers acteurs ont la possibilité de définir des normes.

Plusieurs orientations à suivre dans le futur :

1. Fidélité de la simulation dans sept domaines principaux : quel est l'écart entre MCP, Search et d'autres environnements et le monde réel.
2. Lien avec Robot Suite : La simulation du monde numérique peut-elle être directement transférée à la formation du monde physique.
3. Adoption par la communauté Open Source : AgentWorld deviendra-t-il la norme communautaire pour la formation et l'évaluation des agents ?
4. Amélioration réelle des capacités de l'agent : comment l'agent formé dans le modèle mondial fonctionne-t-il dans l'environnement réel.