2025年10月12日，阿里千问正式推出QwenGyre，这是一个专门为长程智能体任务打造的在线强化学习框架。

当智能体执行复杂操作时，单次任务可能需要持续数小时，过程中模型与环境之间会产生上百次相互依赖的交互，累积处理百万级token。QwenGyre借助弹性调度与轨迹处理机制，让这类超长任务成为有效的训练来源，同时提升能力与效率。

QwenGyre可将GPU划分为多个计算单元，每批任务完成后，空闲单元立即转入训练模式，类似于项目组中先完成工作的人先参与复盘。正在运行的任务不会受到影响，进度和状态得以保留，之前计算的缓存也能整体迁移，无需重新计算。新释放的单元直接加入当前训练轮次，计算速度快的单元承担更多工作，最后由核心单元汇总结果，完成一次参数更新。

QwenGyre通过Token-in Token-out记录每段输出生成时的真实上下文，并按照共享前缀组织成轨迹树，仅将选中的路径展开为训练样本。同时，超时但部分完成的任务也能通过Partial Scoring提供有效反馈，避免浪费任何一步努力。

在性能测试方面，官方在NL2RepoBench在线强化学习实验中，采用每次rollout约70万token的任务进行训练，经过48步训练后，模型通过率从52.5%提升至58.5%。在相同GPU预算下，QwenGyre相比Async实现了1.78倍的端到端加速，训练分数与Async、Colocate相近。在Qwen3.6-122B上的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench三类任务均实现了端到端提速。