RecodeX 重构消息，腾讯混元与复旦大学联合提出WorkForge，专门为AI Agent批量构建复杂、可验证的工作训练环境。团队从真实公开资源中收集表格、报告等材料，覆盖40个专业领域、60种文件类型，共构建16665套训练环境，每套工作区平均包含42.3个文件。

WorkForge先从原始文件中提取可核对的事实，再自动生成任务和评分标准，由程序检查具体数字和交付文件，另一套AI评估分析内容。团队用GLM 5.3配合Claude Code和OpenClaw生成示范操作轨迹，再用这些数据微调Qwen3.5。

训练后，35B-A3B基础模型在GDPval的评分从45.5提高到73.6，APEX从5.0提高到21.3；另一款27B模型在GDPval达到82.4，略高于参数量近15倍的Qwen3.5-397B（79.7），但仍低于GPT-5.6 Sol的90.1。