10月12日，阿里千问正式对外发布QwenGyre，一个专为长程智能体任务设计的在线强化学习框架。官方指出，当智能体执行复杂工作时，单次运行可能持续数小时，模型与环境之间产生数百轮相互依赖的交互，累计处理token量达到百万级。QwenGyre的目标是让这类超长程任务成为有效的训练来源，同时兼顾能力与效率的提升。

在调度机制上，QwenGyre将GPU划分为多个计算单元。每当一批任务结束，空出的单元便转入训练环节，仍在运行的任务则不受干扰，进度、状态乃至已计算的缓存均原地保留，无需重新开始。新释放的单元直接加入当前轮训练，计算速度快的单元承担更多工作，最终由核心单元汇总结果并完成一次参数更新。

在轨迹处理方面，QwenGyre借助Token-in Token-out方式记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，仅将选中的路径展开为训练样本。对于超时但部分完成的任务，框架通过Partial Scoring提供有效反馈，避免浪费任何一步计算。

性能数据方面，官方在NL2RepoBench在线强化学习实验中，以每次rollout约70万token的任务进行训练。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1.78倍的端到端加速。