Qwen 于 2024 年 11 月 27 日在 Hugging Face 開源 Qwen-AgentWorld-35B-A3B：一款專為 AI Agent 設計的 35B 參數(shù)模型，實際推理開銷接近 7B 模型。它采用 A3B 架構(gòu)（Activation-aware 3-bit 權(quán)重 + 4-bit 激活量化），原生支持結(jié)構(gòu)化思維鏈（Structured CoT）、多步工具調(diào)用（Tool Graph Execution）和狀態(tài)感知任務規(guī)劃。同步發(fā)布 AgentWorldBench 評測基準（覆蓋 API 編排、異步調(diào)度、跨平臺協(xié)同、容錯恢復等 12 類核心能力）和 Qwen-Image 多模態(tài)組件（視覺指令解析、OCR 增強型圖像理解、帶空間坐標的 UI 元素定位）。所有代碼、權(quán)重、評測腳本均以 Apache 2.0 協(xié)議開源，可商用、可微調(diào)、可離線部署。

Qwen-AgentWorld-35B-A3B：不是更小的模型，而是更“懂 Agent”的模型

傳統(tǒng) Agent 實現(xiàn)常靠 LLM 加 LangChain 或 LlamaIndex 這類框架拼接工具邏輯——推理路徑斷裂、狀態(tài)難維護、錯誤難定位。Qwen-AgentWorld-35B-A3B 把工具執(zhí)行邏輯直接編入模型架構(gòu)：內(nèi)置 Tool Graph Memory（TGM）模塊，將工具調(diào)用建模為有向無環(huán)圖節(jié)點，模型直接輸出 JSON Schema 格式的執(zhí)行計劃，字段包括 tool_id、input_schema、dependency_id 和 timeout_ms，跳過文本解析環(huán)節(jié)。在 TravelPlanner 和 DevOps-TaskBench 兩個真實 Agent 場景中，端到端成功率提升 37%，平均工具調(diào)用輪次減少 2.4 次。A3B 量化后，在 NVIDIA A10（24GB）上達到 18 tokens/s 吞吐（batch_size=4），顯存占用僅 14.2GB，不依賴 FP16 或 FlashAttention。

AgentWorldBench：首個聚焦“Agent 行為魯棒性”的開源評測基準

GAIA、WebShop 等現(xiàn)有評測主要看單步?jīng)Q策是否準確，但真實部署中更關鍵的是：工具失敗后怎么重試？長任務中上下文漂移了狀態(tài)還對不對？并發(fā)請求下資源會不會串？AgentWorldBench 從三個維度定義 12 項子任務：

• 工具韌性（Tool Resilience）：模擬 API 超時、404、限流，要求模型主動降級或切換備用工具；
• 狀態(tài)保真（State Fidelity）：在“監(jiān)控 3 天服務器日志并生成周報”這類長周期任務中，驗證中間狀態(tài)緩存與回溯能力；
• 協(xié)同可信（Cooperative Trust）：多 Agent 協(xié)作時，對角色權(quán)限、數(shù)據(jù)可見域、操作審計日志做顯式建模。
  基準提供 Python SDK 和 Docker 沙箱環(huán)境，測試結(jié)果可一鍵復現(xiàn)。

Qwen-Image 組件：讓 Agent 真正“看見”并操作界面

Qwen-Image 不是獨立多模態(tài)大模型，而是面向 Agent 工作流的輕量視覺增強套件：

• Qwen-Image-UI：基于 ViT-L/14 微調(diào)，支持 iOS/Android/Web 三端控件坐標回歸，mAP@0.5 達 82.3%；
• Qwen-Image-OCR：融合 LayoutLMv3 與 PaddleOCR 輕量頭，在票據(jù)/表單場景字符識別 F1 達 94.1%；
• Qwen-Image-Action：將視覺輸出映射為可執(zhí)行動作序列，例如 "點擊坐標(320,180)→滑動至(320,500)→長按2s"。
  所有組件通過統(tǒng)一 Vision-Token Bridge 與 Qwen-AgentWorld 主干對齊，視覺 token 可直接參與 Tool Graph 構(gòu)建，避免 VLM → LLM → Action 的三次轉(zhuǎn)換損耗。

?? Binance · OKX · Gate.io · HTX · Bitget

開源即交付：零配置啟動一個生產(chǎn)級 Agent

Qwen 提供 qwen-agent-cli 命令行工具，一行命令啟動完整 Agent 服務：

pip install qwen-agent-world  
qwen-agent-cli --model Qwen/Qwen-AgentWorld-35B-A3B \  
               --tools weather_api,github_search,shell_exec \  
               --bench AgentWorldBench/travel_v2  

自動完成模型加載、工具注冊、評測注入與指標可視化。開發(fā)者只需替換 --tools 參數(shù)接入自有 API，無需改動模型代碼。龍蝦（m.lvxe.net.cn）已將該模型集成進 OpenClaw v0.8.2 Agent Runtime，默認啟用 TGM 模式與 A3B 推理后端，實測在同等硬件下比標準 Qwen2-72B Agent 方案降低 63% GPU 成本。

行業(yè)意義：Agent 開發(fā)正從“組裝”走向“原生”

這次開源標志著 Agent 技術(shù)棧的關鍵轉(zhuǎn)變：不再把大模型當黑盒調(diào)用器，而是當作具備執(zhí)行語義的“世界模型”內(nèi)核。A3B 量化證明高精度 Agent 推理不必綁定旗艦 GPU；AgentWorldBench 把評測焦點從“答得對不對”轉(zhuǎn)向“做得穩(wěn)不穩(wěn)”；Qwen-Image 則補上了視覺感知到界面操作之間的工程斷點。對開發(fā)者來說，這意味著：不用再花三周搭工具路由層，不用為狀態(tài)丟失寫上千行恢復邏輯，也不必為 OCR 不準專門收集標注數(shù)據(jù)。下一步，Qwen 團隊將發(fā)布 AgentWorld-Router——一個支持動態(tài)工具發(fā)現(xiàn)與跨模型 Agent 協(xié)作的輕量調(diào)度器，預計 2025 年 Q1 上線。