千问发布 QwenGyre：训练单条轨迹近百万 token 的超长程智能体，弹性调度最高提速 1.85 倍；论文写明旗舰 Qwen 3.8 为 2.4T 参数

这件事意味着什么

【要点】

通义千问团队 10 月 12 日在 X 上正式介绍 QwenGyre：一套专门用来训练「超长程」智能体的在线强化学习框架。所谓超长程，指单次执行可以跑几个小时、和环境交互上百次、一条轨迹接近 100 万 token。论文 9 月 27 日已挂上 arXiv，作者 12 人。

它解决两个问题：一是执行时长差异大、等待久，导致大量 GPU 闲置；二是智能体执行中的分支、重试、压缩会产生大量重复轨迹，拖慢训练。对应的两项设计是「弹性调度器」（在不打断正在运行的执行的前提下，把 GPU 在推演和训练之间来回调配）和轨迹处理器（重建分支历史、给部分进展打分、去掉重复路径）。

【可核验】

论文：https://arxiv.org/abs/2609.33848

官方帖子：https://x.com/Alibaba_Qwen/status/2109633085658808515

论文写明，在旗舰模型 Qwen 3.8 2.4T 上、每条推演约 70 万 token 的设置下，48 步训练把 NL2RepoBench 从 52.5% 提到 58.5%；在多个领域的训练数据上，速度最高比同置（Colocate）方案快 1.85 倍、比异步（Async）方案快 1.78 倍。官方帖子发出约 45 分钟获得 700 多个赞、约 2.6 万浏览。论文摘要和官方帖都没给出代码仓库。

【我们的判断】

一、这篇的价值在于把前沿实验室怎么训练旗舰智能体的工程细节摆了出来。单条轨迹 70 万 token、一跑几小时，说明智能体强化学习的瓶颈已经从算法转向调度和数据去重。

二、论文顺带写明千问旗舰 Qwen 3.8 的规模是 2.4T 参数，这是理解千问当前训练体量的一个硬数字。

三、效果证据还窄：6 个百分点只来自 NL2RepoBench 一个基准，加速倍数是和两种自家基线比，没有和其他开源强化学习框架正面对比；不开源的话，外部很难复现。