語言世界模型：用 35B 參數打敗千億模型的 Agent 新典範

為什麼 35B 可以打贏千億模型？

近年來，AI 圈最流行的遊戲叫「拼參數」：你出 70B，我出 405B，他出一兆。每個月都有新的巨獸誕生，參數量像軍備競賽一樣螺旋上升。

但 Qwen 團隊在 2026 年 6 月提出了一個讓人驚訝的問題：

如果我們不拼大小，而是拼「理解世界的能力」呢？

結果是：他們用 35B 參數（實際每次推理只啟動 3B）的開源模型，在 Agent 任務基準上超越了 Claude Sonnet 4.6。這篇文章要講的，就是他們怎麼做到的。

什麼是語言世界模型？

先想像一個類比

你是一位西洋棋大師。在移動棋子之前，你不是「盲目走一步再看結果」，而是在腦袋裡先模擬：如果我走這裡，對手會怎麼應對？棋局會演變成什麼形勢？三步後的局面對我有利嗎？

這就是**世界模型（World Model）**的核心——在行動前，對「世界的下一個狀態」進行預測。

傳統 Agent 的盲點

傳統的 LLM-based Agent 工作流程是這樣的：

觀察環境 → 決定行動 → 執行 → 觀察新環境 → 再決定 ...

每一步都是「盲目執行」——只能在執行後才知道結果。這帶來幾個根本問題：

1. 錯誤代價高：在 Terminal 裡跑了一個破壞性指令，後悔沒有用
2. 缺乏前瞻性：只看眼前這步，不知道十步後的局面
3. 重複試誤：很多失敗是完全可以預測、可以避免的

Language World Model 的解法

Qwen-AgentWorld 訓練的核心不是「執行 Agent」，而是「環境模擬器」：

輸入：當前環境狀態 + Agent 的行動
輸出：執行後，環境會變成什麼樣子

這個模型學會了「世界的運作規律」。例如，如果 Agent 在 Terminal 執行 rm -rf /tmp/logs，模型能預測：執行後 /tmp/logs 資料夾不存在，磁碟空間增加，相關的日誌讀取操作將報錯。

這樣的預測能力讓 Agent 在行動前就能「想清楚後果」，而不是靠試誤堆積經驗。

覆蓋七個真實世界場景

Qwen-AgentWorld 不只是概念驗證——它一次訓練，覆蓋七個 Agent 互動領域：

訓練資料來自超過 1000 萬筆真實環境互動軌跡，由 Claude Opus 4.6 等前沿模型在真實環境中操作所產生。這不是合成資料，而是真實世界的「行動—結果」對應記錄，確保模型學到的是真實的世界規律。

三階段訓練：從知識到直覺

Qwen-AgentWorld 的訓練分三個階段，就像培訓一位頂尖工程師的完整歷程：

Stage 1：CPT（持續預訓練）——注入世界知識

讓模型閱讀所有環境說明書：各種系統的行為規則、API 回應格式、工具輸出樣式。這個階段建立的是「知道世界長什麼樣」的基礎知識，不要求推理，只要求記憶與理解。

Stage 2：SFT（監督式微調）——啟動推理模式

訓練模型用**長鏈式思維（Long Chain-of-Thought）**來預測下一個狀態。不只是背答案，而是學會推理過程：「執行這個指令會觸發哪些系統調用？會改變哪些狀態？可能有什麼副作用？下一個狀態的完整樣貌是什麼？」

Stage 3：RL（強化學習）——精準校準

用混合式評分（規則評分 + AI 評分）打磨模擬精度：高精度的預測獲得獎勵，偏離真實結果的預測受到懲罰。這個階段讓模型從「大概對」進化到「精確對」，對應的是工程師從「懂原理」到「能精準排查問題」的成長。

評估結果：數字說話

Qwen 建立了 AgentWorldBench——一個橫跨七個領域的評估基準，完全採用 out-of-distribution 的真實環境資料，避免訓練集污染。評估題目來自 Claude Opus 4.6 在 Terminal-Bench 1.0 & 2.0、OSWorld-Verified 等主流 Agent 基準上的真實互動，確保評估的公正性。

兩個結果特別值得關注：

第一，35B-A3B 超越 Claude Sonnet 4.6：這是開源模型在 Agent 世界模型任務上首次超越頂尖閉源模型，而且實際上每次推理只啟動 3B 參數。

第二，397B-A17B 拿下第一：不是用一兆參數，而是用 397B 參數（實際啟動 17B）登頂，整體性能超越 GPT-5.4。

延伸思考

Agent 不只需要「聰明」，還需要「世界感知」

以往我們優化 Agent 的方式，主要圍繞「讓 LLM 想得更清楚」——更好的推理鏈、更精確的規劃框架。但 Qwen-AgentWorld 指出了一個盲點：如果 Agent 不能準確預測行動的後果，再強的規劃能力也只是在沙盤上推演，碰到真實環境就出錯。

這就像一位技術能力超強的工程師，如果對線上系統的架構一無所知，就算想法再好，操作也容易出問題。「世界感知」是「智慧行動」的前提。

小模型 + 深度世界感知 = 邊緣 AI 的新可能

Qwen-AgentWorld-35B-A3B 每次推理只啟動 3B 參數，但能匹敵頂尖閉源模型。這在邊緣部署（edge deployment）上有巨大意義——不需要百億規模的雲端算力，就能跑出頂尖的 Agent 表現。未來在本機跑一個真正懂「行動後果」的 Agent，不再是遙不可及的目標。

語言世界模型能走多遠？

這個方向目前的任務是「預測下一個環境狀態」，但可以往更多方向延伸：

• 主動規劃：用世界模型做多步模擬，在執行前評估多個路徑，選擇風險最低、效益最高的方案
• 反事實推理：「如果我當時選了另一步，結果會更好嗎？」讓 Agent 從失敗中學到更多
• 跨環境遷移：在 Terminal 學到的世界規律，能否遷移到 Android 環境？不同場景的物理法則有多少共通性？

結語

「擴大參數」是過去幾年 AI 進步的主旋律，但 Qwen-AgentWorld 的成果提示我們：理解世界的能力，可能比模型的大小更關鍵。

就像一位資深工程師不靠蠻力解問題，而是靠對系統的深度理解來預判風險、規避錯誤——Agent 的未來，或許也走向同一條路：不是更大的腦袋，而是更深的世界觀。