RecodeX 重构消息，阿里巴巴千问团队提出面向超长任务的AI Agent强化学习框架QwenGyre，可让GPU根据任务进度动态切换用途，任务陆续结束后部分GPU转入模型训练，其余继续支持未完成的Agent，无需中断任务且保留工作区与工具状态。该框架还记录每次模型调用的真实输入输出，将重叠执行路径整理成共享历史的轨迹树，避免同一段输出重复计算。
团队在Qwen3.8-2.4T上验证，单次任务累计处理约70万Token。相同GPU预算下完成48步强化学习，QwenGyre耗时75.42小时，传统异步方案需134.55小时，训练时间缩短约44%。训练后模型在代码仓库生成测试NL2RepoBench上的通过率从52.48%提升至58.54%。