Beating tarafından yapılan izlemeye göre, Tongyi Laboratuvarı, doğal dil dünya modeli Qwen-AgentWorld'ü açık kaynak olarak yayınladı. Model, ilk kez çevre modellemeyi eğitim hedefi olarak belirleyerek, yapay zekanın çevrenin bir sonraki adımda vereceği yanıtı tahmin etmesini sağlıyor ve AI ajanları (Agent) için bir uçuş simülatörüne benzer sanal bir alan oluşturuyor. Sanal simülasyon, ajanların gerçek ortamlarda veya ağ sandbox'larında deneme yanılma yaparken karşılaştığı yüksek maliyet ve güvenlik risklerini ortadan kaldırıyor.
Qwen-AgentWorld, metin ve grafik arayüzlerini kapsayan yedi ana alanı birleştiriyor. Web, OS ve Android gibi grafik ortamlar için model, video kareleri oluşturmak yerine gözlemleri HTML ve erişilebilirlik ağacı XML gibi kod metinlerine dönüştürerek ultra hızlı ve hassas mantıksal simülasyon sağlıyor. Kapsamlı değerlendirme kriteri AgentWorldBench'te, Qwen-AgentWorld-397B-A17B en yüksek genel ortalama puana (58.71) ulaşarak GPT-5.4, Claude Opus 4.8 ve Gemini 3.1 Pro'yu geride bıraktı.
Model, ajan eğitiminde iki tür uygulama değeri sergiliyor. Bir yandan, ayrıştırılmış bir çevre simülatörü olarak model, sıfır maliyetle binlerce kullanılmayan sanal ortamı simüle edebiliyor ve WideSearch görevinde gerçek arama motorlarının eğitim performansını yakalayıp hatta geçebiliyor. Diğer yandan, tahmin yeteneği, ajanın meta-muhakeme moduna dönüştürülerek aynı modelin eylem öncesinde çevresel yanıtları simüle etmesine olanak tanıyor ve daha önce hiç karşılaşılmamış alanlarda belirgin kazanımlar sağlıyor (Claw-Eval'de +11.3, fonksiyon çağrısı BFCL v4'te +9.0 artış). İlgili modeller, kriterler ve kodlar tamamen açık kaynak olarak yayınlandı.
