동차 Beating 모니터링에 따르면, 통의 연구소가 오픈소스 네이티브 언어 세계 모델 Qwen-AgentWorld를 공개했습니다. 이 모델은 환경 모델링을 훈련 목표로 삼아, AI가 환경의 다음 응답을 예측하도록 훈련함으로써 AI 에이전트를 위한 비행 시뮬레이터와 유사한 가상 공간을 구축했습니다. 가상 시뮬레이션은 에이전트가 실제 환경이나 네트워크 샌드박스에서 시행착오를 겪을 때 발생하는 높은 비용과 보안 위험을 방지합니다.
Qwen-AgentWorld는 텍스트와 그래픽 인터페이스를 포함한 총 7개 분야를 통합적으로 지원합니다. Web, OS, Android 등 그래픽 환경의 경우, 모델은 비디오 프레임을 생성하지 않고 관측값을 HTML 및 접근성 트리 XML과 같은 코드 텍스트로 변환하여 초고속이면서도 정밀한 논리 시뮬레이션을 구현합니다. 종합 평가 기준 AgentWorldBench에서 Qwen-AgentWorld-397B-A17B는 가장 높은 전체 평균 점수(58.71)를 기록하며 GPT-5.4, Claude Opus 4.8, Gemini 3.1 Pro를 능가했습니다.
이 모델은 에이전트 훈련에서 두 가지 응용 가치를 보여줍니다. 첫째, 분리된 환경 시뮬레이터로서 수천 개의 미처 다루지 않은 가상 환경을 제로 비용으로 시뮬레이션할 수 있으며, WideSearch 작업에서 실제 검색 엔진의 훈련 효과와 동등하거나 이를 능가합니다. 둘째, 예측 능력은 에이전트의 메타 추론 패턴으로 내재화되어, 동일한 모델이 행동 전에 환경 응답을 시뮬레이션할 수 있게 하며, 전혀 다루지 않은 분야에서도 유의미한 성능 향상(Claw-Eval +11.3, 함수 호출 BFCL v4 +9.0)을 나타냅니다. 관련 모델, 기준 및 코드는 모두 오픈소스로 공개되었습니다.