動察 Beatingのモニタリングによると、通義実験室はネイティブ言語世界モデル「Qwen-AgentWorld」をオープンソース化した。このモデルは初めて環境モデリングをトレーニング目標として設定し、AIに環境の次の応答を予測させることで、AIエージェント向けにフライトシミュレーターのような仮想空間を構築する。仮想シミュレーションにより、エージェントが実際の環境やネットワークサンドボックスで試行錯誤する際の高コストやセキュリティリスクを回避する。
Qwen-AgentWorldは、テキストとグラフィカルインターフェースの7大領域を統一的にカバーする。Web、OS、Androidなどのグラフィカル環境では、モデルはビデオフレームを生成せず、観測結果をHTMLやアクセシビリティツリーXMLなどのコードテキストに変換し、超高速かつ高精度な論理シミュレーションを実現する。総合評価ベンチマーク「AgentWorldBench」において、Qwen-AgentWorld-397B-A17Bは最高の平均スコア(58.71)を達成し、GPT-5.4、Claude Opus 4.8、Gemini 3.1 Proを上回った。
このモデルはエージェントトレーニングにおいて2つの応用価値を示している。一方で、分離された環境シミュレーターとして、モデルはゼロコストで数千の未対応の仮想環境をシミュレートでき、WideSearchタスクでは実際の検索エンジンのトレーニング効果に匹敵、あるいはそれを上回る。他方で、予測能力はエージェントのメタ推論パターンとして内在化され、同一モデルが行動前に環境応答をシミュレートできるようになり、完全に未対応の領域で顕著な向上が見られる(Claw-Evalで+11.3、関数呼び出しBFCL v4で+9.0)。関連モデル、ベンチマーク、コードはすべてオープンソース化されている。