QwenGyre di Alibaba rende molto più veloce l'addestramento di agenti AI a lunga esecuzione

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

Alibaba's Qwen team created QwenGyre, an elastic reinforcement learning framework that moves idle GPUs between running agents and training them on completed work — without stopping live executions mid-task ¹.

The system splits GPUs into groups called cells. A core cell holds the main training weights while satellite cells help out ¹. As agent runs finish, the scheduler switches those GPUs to training, provided there are enough cells left to handle the remaining live work . Model calls get rerouted through a proxy so the agent never notices the switch .

For training data, QwenGyre records every token call and builds a tree of branching paths instead of treating each run as a straight line ². It scores partial progress on timed-out executions rather than discarding them ¹. At most five trajectories per task are kept, and shared prefixes across branches are only trained once instead of being copied .

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 collocato 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

1. Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents — marktechpost.com
2. QwenGyre: An Elastic Reinforcement Learning Framework for Training ...
3. Alibaba Qwen Launches QwenGyre for Long-Horizon Agent Training — techaimag.com
4. Alibaba QwenGyre Solves Million-Token RL With Elastic GPU Scheduling — gate.com