阿里千问10月12日正式发布面向长程智能体任务的在线强化学习框架QwenGyre。该框架通过弹性调度与轨迹处理，让超长程任务成为有效训练来源。
QwenGyre把GPU分成若干计算单元，任务每结束一批，空出的单元就转入训练；还在跑的任务进度和状态原地保留，缓存整体搬走，新空出的单元直接加入本轮训练，最后由核心单元汇总完成参数更新。
它还通过Token-in Token-out记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，只把被选中的路径展开为训练样本；超时但部分完成的任务也能通过Partial Scoring提供反馈。
官方在NL2RepoBench在线强化学习实验中，以每次rollout约70万token的任务训练，48步后模型通过率从52.5%提升至58.5%。相同GPU预算下，QwenGyre相对Async实现1.78×端到端加速，训练分数与Async、Colocate接近；在Qwen3.6-122B上的NL2RepoBench、DeepSWE、TerminalBench三类任务均获端到端提速。