阿里巴巴 Qwen 推出 QwenGyre，代码尚未公开

据 10 月 12 日报道，阿里巴巴 Qwen 团队推出 QwenGyre，这是一个用于超长时域智能体训练的弹性强化学习（RL）框架；其核心思想是在部署和训练之间切换空闲 GPU，并将分支智能体历史转换为有界训练样本。截至报告发布时，QwenGyre 的代码尚未公开，GPU 型号也未公开。

QwenGyre 解决的问题：超长时域任务的长尾效应与分支轨迹开销

据 QwenGyre 论文，研究团队将“超长周期”任务定义为运行时间长达数小时、涉及数百次模型和工具交互的任务（例如根据规格生成完整代码库，如 NL2Repo-Bench 所示）。在这一规模下会出现两个主要问题：第一，在协同部署（Colocate）架构中，训练必须等待执行速度最慢的 GPU 完成任务，此时其他 GPU 处于空闲状态；在 Async 架构中，固定的 GPU 池无法共享彼此的剩余容量。

第二，类似 Claude Code 的工具会压缩上下文、生成子代理并进行重试，一次执行会形成分支树，而非单一轨迹；展开每条路径会复制共享前缀并增加训练成本。QwenGyre 的 ElasticScheduler 和轨迹处理器旨在解决上述两个问题。

ElasticScheduler 机制：GPU 单元在部署与训练之间切换

根据 QwenGyre 论文，ElasticScheduler 的运行机制包括：

GPU 单元切换：调度器追踪部署进度（包括已排队和正在执行的任务）；当任务完成后，只要剩余单元能够处理所有正在进行的任务，该单元就会切换到训练模式；核心单元持有权威的模型权重和优化器状态

KV 缓存迁移：KV 缓存块在重新路由期间通过 RDMA 迁移，以减少前缀重新计算

模型同步：卫星单元通过 Mooncake 的传输引擎拉取核心权重，并加入正在进行的批次；流式训练允许单元在数据准备就绪后执行微小的训练步骤

角色切换耗时：从部署切换到训练平均耗时 8.52 秒，从训练切换到部署平均耗时 3.46 秒

在轨迹处理方面，每次执行最多保留 5 条轨迹（排序为 main > main-summary > sub-agent > sub-agent-summary）；超时执行的程序仍会根据其保留的工作空间进行评分；共享前缀只计算一次，损失在每次执行中取平均值；训练采用改良版 GSPO，每组进行 16 次迭代，前向-反向训练时间缩短 25.2%。

基准测试结果

根据 QwenGyre 论文的基准测试（所有测试均使用 Claude Code 2.1.220 作为框架，GPU 预算相同）：Qwen 3.8 24000亿 在 NL2RepoBench（48 步）上，QwenGyre 耗时 75.42 小时，Async 耗时 134.55 小时，Colocate 耗时 91.47 小时；评估通过率从 52.48% 提高到 58.54%（比 Async 快 1.78 倍，比 Colocate 快 1.21 倍）。

Qwen 3.6 1220亿 的最佳表现出现在 TerminalBench（24 步），比 Colocate 快 1.809 至 1.849 倍。论文明确指出，24000亿模型上的最差情况（Colocate 的 1.21 倍）是因为许多查询接近超时；速度提升取决于每个项目本身的设置，不同框架之间的数据无法直接比较。

与其他 RL 框架比较

根据论文中的框架比较，主要差异如下：veRL（字节跳动，Apache-2.0 许可）、AREA（清华大学交叉信息研究院 + 蚂蚁集团，Apache-2.0 许可）和 FlashAgent（微软，MIT 许可）均已公开代码；QwenGyre 的许可和代码截至报告发布时均尚未公开。

在最大规模方面，QwenGyre 的 24000亿模型目前是其中最大的；论文标题所述的加速效果（比 Colocate 最高快 1.85 倍）与 AREA 的 2.77 倍（对比同步 v0.3）不能直接比较，因为测试条件不同。

常见问题

QwenGyre 已在哪些模型上进行测试，每次部署需要多少 token？

根据 QwenGyre 论文，该框架已在 Qwen 3.6 1220亿（24 至 32 个节点）和 Qwen 3.8 24000亿（192 个节点，4 个单元，每个 48 个节点）上进行测试；每次部署约 70 万个 token。

QwenGyre 在 24000亿模型 NL2RepoBench 测试中的具体速度提升为何？

根据论文基准测试，Qwen 3.8 24000亿 在 NL2RepoBench（48 步）上，QwenGyre 耗时 75.42 小时，比 Async（134.55 小时）快 1.78 倍，比 Colocate（91.47 小时）快 1.21 倍；评估通过率从 52.48% 提高到 58.54%。

QwenGyre 的代码是否已公开？

根据报告说明，QwenGyre 的代码截至论文发布时尚未公开；veRL、AREA 和 FlashAgent 等其他框架均已公开代码。

ElasticScheduler 的 GPU 角色切换需要多长时间？

根据论文，从部署切换到训练模式平均耗时 8.52 秒，从训练切换到部署模式平均耗时 3.46 秒。