Qwen、エージェント環境シミュレーターモデル「Qwen-AgentWorld-35B-A3B」を公開──3Bパラメータ発火で7領域を網羅
MCPやOS操作など7つのエージェント環境を単一モデルでシミュレートする「言語ワールドモデル」で、推論時のみ3BパラメータがアクティブになるMoEアーキテクチャを採用。
リリース: 2026-06-23 · 読了 5 分記事の要約
1. 核心（What）
- 総パラメータ数35B、アクティブパラメータ数3BのMoE（Mixture of Experts）構成を採用した言語ワールドモデル。
- MCP、Search、Terminal、SWE、Android、Web、OSの7つのエージェント環境を単一モデルでシミュレート可能。
- 262,144トークンのコンテキスト長に対応し、環境状態遷移の予測を学習目標として設計。
- vLLM 0.6およびSGLangでの推論実行をサポートし、OpenAI互換APIとしてデプロイ可能。
2. 影響（Why）
- エージェント開発のシミュレーション環境として: 実環境へのデプロイ前に、モデル自体が環境の挙動を予測することで、試行錯誤のコストを劇的に減らす。特に複雑なツール連携やOS操作の検証において、検証ループを高速化する。
- 国内SaaS・自動化開発への影響: 国内の業務自動化ツールを開発する中規模事業者にとって、外部APIへの依存を減らし、セキュアな環境下でエージェントの推論精度を検証できる選択肢となる。特に自社固有の業務フローを模したシミュレーター構築に有用。
3. 根拠・詳細（How）
- MoEとDeltaNetによる推論効率化: 10層のGated DeltaNetとGated Attentionを組み合わせた構造で、256個のエキスパートから8個を動的に選択。vLLM実行時は --language-model-only フラグにより、視覚コンポーネントを含まない言語モデルとして最適化。
- 3段階の学習パイプライン: CPT（環境知識注入）、SFT（次状態予測の推論強化）、RL（シミュレーション忠実度の向上）の3段階を経て、事後的な適応ではなく環境モデリングを学習の核として実装。
4. 展望・課題（Next）
- 評価ベンチマークの活用: 公開されたAgentWorldBenchを用い、Format、Factuality、Consistency、Realism、Qualityの5次元で環境モデルの忠実度を評価可能。