12日，阿里巴巴通义千问团队正式发布QwenGyre，一款面向超长程智能体任务的在线弹性强化学习框架，为复杂 Agent 智能体训练提供全新基础设施，有效解决长时序任务训练中 GPU 资源空转、轨迹冗余、任务中断等行业痛点，推动大模型从对话能力训练迈向复杂自主智能体训练新阶段。

随着 AI 智能体走向工程落地，大量真实场景任务呈现超长程特征：单次任务执行可达数小时，模型与外部工具环境产生数百轮交互，单条轨迹 token 规模可达百万级别。传统强化学习框架难以适配这类长时序任务，存在资源调度低效、任务中断后无法续跑、分支轨迹训练成本高昂等瓶颈，制约复杂智能体能力迭代。

QwenGyre 核心依托弹性调度器（Elastic Scheduler）与轨迹处理器（Trajectory Processor）两大模块构建。弹性调度器将 GPU 拆分为多个弹性计算单元，动态在样本生成（rollout）与模型训练之间切换算力；正在执行的长程任务不受调度切换影响，任务状态、缓存完整保留，无需重启重跑，算力资源随任务进度自动流转，大幅降低 GPU 空转损耗。轨迹处理器则对智能体分叉执行轨迹做结构化处理，完成分支历史重建、进度评估与轨迹去重，将超长交互轨迹转化为高效可用的训练样本，显著降低长程任务训练成本。

在 Qwen 3.8 2.4T 模型、70 万 token 轨迹的实验验证中，QwenGyre 在 NL2RepoBench 评测任务上，48 步内模型任务通过率由 52.5% 提升至 58.5%；对比 Colocate、Async 基线方案，最高分别实现 1.85 倍、1.78 倍训练加速。框架支持直接对接黑盒智能体，无需修改原有智能体执行逻辑，具备良好兼容性，可用于代码智能体、自动化复杂工作流等长时序 Agent 训练场景。