2026 年 10 月 12 日，阿里 Qwen 團隊在 X 上發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練。據 @Alibaba_Qwen 介紹，QwenGyre 包含兩項核心設計：彈性排程器按需求在 rollout 與訓練之間動態重分配 GPU，執行不中斷，相比 Colocate… 看完整事件
阿里 Qwen 發布 QwenGyre，為超長週期 agent 訓練引入彈性 RL
阿里 Qwen 發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練，核心是彈性排程器與軌跡處理器兩項設計。彈性排程器按需求在 rollout 與訓練間動態重分配 GPU，執行不中斷，相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍；軌跡處理器把分支執行整理成字首共享的軌跡樹，去重並限制訓練樣本量，超時後的部分進度也能評分。
公開了彈性 RL 用於超長週期 agent 訓練的兩項設計與實測數字：48 步把 NL2RepoBench 提升 6 個百分點、端到端訓練時間縮短約 44%，對做 agent 強化學習訓練的人有直接參考價值。
原標題：@Alibaba_Qwen: Introducing QwenGyre, bringing elastic RL to extreme-long-horizon (XLong) agent training.
閱讀原文
| 評分 | 68 / 70（平均 69，門檻 60） |
|---|---|
| 狀態 | 精選 |
相關報導
阿里 Qwen 官方帳號發圖，正文無文字說明
阿里 Qwen 官方 X 帳號在 2026 年 10 月 9 日發布動態，正文只有「Pics:」一詞，隨附圖片，沒有任何文字說明。公開可見的文字裡沒有出現模型名稱、版本號、功能或發布時間，因此無法確認圖片指向哪款產品或更新。要了解具體內容只能檢視原帖圖片，後續說明有待官方補充。
SAGE：用結構訊號糾偏長推理，AC 例項驗證通過率近 8 倍
維吉尼亞理工、威斯康辛大學麥迪遜分校與達特茅斯學院團隊在 NeurIPS 2026 提出 SAGE，用結構訊號引導長程推理的後訓練。方法以符號閉包分析（SCA）解釋探索偏差與累積偏差，訓練時用代數稀疏化和雙曲結構引導重排候選推理步，在 12 個基準、7 個模型家族上總體優於 SFT、GRPO、EMPO 與 GRPO-PRM。在 1,190 個 Andrews–Curtis 長程例項上，Qwen3 的 Lean 驗證通過率接近基礎模型的 8 倍；
Qwen3.8-Max 等三款模型在 GMI Cloud 限免一週
阿里 Qwen 宣布，Qwen3.8-Max、Qwen3.8-Flash 與 Wan3.0 在 GMI Cloud 上限時免費開放一週，活動已經上線。開發者可在此期間免費呼叫這三款模型進行建置與測試，官方在推文中邀請開發者探索可行的用法。
阿里開源 Qwen-Image-2.1-Turbo：8 步去噪出圖與編輯
阿里發布 Qwen-Image-2.1-Turbo，這是基於 Qwen-Image-2.1 的加速 checkpoint，只需 8 步去噪即可生成和編輯影像，權重已在 ModelScope 與 Hugging Face 開放。它沿用同一 7B 視覺生成架構，官方稱步數減少不犧牲品質，仍可從文字生成 2K 影像，並支援用自然語言繼續編輯，例如新增配飾或更換場景。Diffusers 中載入 QwenImage21Pipeline 即可使用推薦的 8 步取樣；
阿里 Qwen 官方帳號發文致謝 gmi_cloud
阿里通義千問官方帳號 @Alibaba_Qwen 發布推文，向 @gmi_cloud 表示感謝。原文只有一句致謝，未說明雙方合作內容、涉及的具體模型或產品，也沒有給出時間、價格、額度等資訊。