QwenGyre di Alibaba rende molto più veloce l'addestramento di agenti AI a lunga esecuzione
Un nuovo sistema di reinforcement learning elastico permette ad agenti di codifica AI di funzionare per ore senza perdere efficienza nell'addestramento su hardware GPU costoso.

Un sistema di addestramento che aiuta gli agenti di coding basati sull'AI a gestire compiti lunghi e complessi in modo più efficiente, condividendo la potenza di calcolo e riducendo il lavoro ripetuto.
- Dividi le GPU in gruppi, tenendone alcune per far girare gli agenti
- Sposta automaticamente le GPU degli agent completati verso l'addestramento
- Registra i percorsi ramificati invece di considerare le esecuzioni come linee rette
- Addestra ogni pezzo condiviso una volta sola
Il problema delle lunghe esecuzioni degli agenti AI
Gli agenti AI stanno diventando sempre più bravi in compiti complessi come scrivere interi repository di software a partire da una descrizione in linguaggio naturale. Ma questi compiti possono richiedere ore e coinvolgere quasi un milione di token 1. Quando si cerca di addestrare agenti con reinforcement learning su questa scala, emergono due grossi problemi.
Innanzitutto, i cluster GPU sprecano grandi quantità di tempo in attesa che l'esecuzione più lenta di un agente sia completata 2. In secondo luogo, quando gli agenti si diramano in sotto-compiti, lo stesso lavoro viene duplicato molte volte, rendendo l'addestramento costoso ed inefficiente 1.
Come QwenGyre risolve entrambi i problemi
Il team Alibaba/Qwen ha creato QwenGyre, un framework di reinforcement learning elastico che sposta le GPU inattive tra agenti in esecuzione e li addestra sul lavoro completato — senza interrompere le esecuzioni in corso a metà attività 1.
Il sistema suddivide le GPU in gruppi chiamati celle. Una cella core mantiene i pesi principali dell'addestramento, mentre le celle satellite danno una mano 1. Man mano che le esecuzioni degli agenti terminano, il pianificatore commuta quelle GPU all'addestramento, purché rimangano sufficienti celle per gestire il lavoro live residuo . Le chiamate al modello vengono instradate attraverso un proxy, così l'agente non nota la commutazione .
Per i dati di addestramento, QwenGyre registra ogni chiamata di token e costruisce un albero di percorsi ramificati invece di trattare ogni esecuzione come una linea retta 2. Valuta i progressi parziali nelle esecuzioni con timeout invece di scartarle 1. Conserva al massimo cinque traiettorie per compito e i prefissi condivisi tra le diramazioni vengono addestrati una sola volta, invece di essere duplicati .
I risultati
Sul modello Qwen 3.8 2.4T, QwenGyre ha completato 48 passi di addestramento in circa 75 ore, rispetto alle 134 ore per l'addestramento asincrono e alle 91 ore per l'addestramento sincrono 4. Il sistema era fino a 1,85 volte più veloce delle migliori alternative 1.
I guadagni di prestazioni hanno incluso l'aumento del tasso di superamento su NL2RepoBench — un benchmark per la generazione di codice a partire dal linguaggio naturale — dal 52,5 per cento al 58,5 per cento in soli 48 passi 1. Sul più piccolo modello Qwen 3.6 122B, i tempi di velocizzazione sono andati da 1,38 a 1,82 volte più veloce rispetto alle configurazioni esistenti a seconda del benchmark .
Tutti i test hanno usato Claude Code come framework per l'agente 1. Curiosamente, QwenGyre può funzionare con agenti black-box non modificati, il che significa che non richiede un accesso speciale a come l'agente è costruito .
Non è ancora stato annunciato alcun rilascio di codice pubblico 1. Il documento di ricerca completo è stato inviato ad arXiv nel settembre 2026 2.
Cosa significa
Lo scheduling elastico e la deduplicazione delle traiettorie sono due trucchi pratici che potrebbero rendere il futuro addestramento di agenti AI a lunga esecuzione molto più accessibile. Man mano che gli agenti affronteranno compiti più lunghi e complessi, tecniche come QwenGyre potrebbero diventare strumenti standard per chiunque li addestri.
I fatti principali
- QwenGyre sposta le GPU inutilizzate tra le esecuzioni live degli agenti e l'addestramento senza interrompere gli agenti
- Gli alberi di traiettoria limitano i campioni a 5 per esecuzione e addestrano i prefissi condivisi una sola volta
- Fino a 1,85 volte più veloce dell'addestramento collocato e 1,78 volte più veloce di quello asincrono nei test sui benchmark
- NL2RepoBench è passato dal 52,5% al 58,5% in 48 passi sul modello Qwen 3.8 2.4T
- Non è stato annunciato alcun rilascio di codice pubblico
Fonti
- Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents — marktechpost.com
- QwenGyre: An Elastic Reinforcement Learning Framework for Training ...
- Alibaba Qwen Launches QwenGyre for Long-Horizon Agent Training — techaimag.com
- Alibaba QwenGyre Solves Million-Token RL With Elastic GPU Scheduling — gate.com
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
La settimanaQuesta settimana in AI: nuovi modelli a profusione e agenti più sicuriHerald of AI
Questa settimana in AI: nuovi modelli a profusione e agenti più sicuri
Rilasci importanti di pesi aperti, risultati sulla velocità e un impegno a rendere gli agenti di intelligenza artificiale più affidabili e protetti.
La settimanaQuesta settimana di strumenti AI agentici, modelli più economici e dolori della crescitaHerald of AI
Questa settimana di strumenti AI agentici, modelli più economici e dolori della crescita
OpenAI segnala l'adozione di strumenti agentici nell'UE, nuovi modelli spingono fino a un milione di token in uscita e gli sviluppatori faticano con codice più veloce ma opaco.
App e prodottiUno sviluppatore ha dato a Claude Code un sito web e un budget pubblicitario. Ecco cosa ha fatto.Herald of AI
Uno sviluppatore ha dato a Claude Code un sito web e un budget pubblicitario. Ecco cosa ha fatto.
Usare lo strumento di programmazione di Anthropic su un sito che raccoglie dati mostra come gli agenti AI autonomi gestiscono compiti del mondo reale.