AlibabaのQwenチームは2026年10月12日、長時間の作業を行うAIエージェント向けの学習基盤「QwenGyre」を発表しました。AIが実際に作業した経験から学ぶ仕組みを改善し、実験では学習時間を約44％短縮するとともに、ソフトウェア開発課題の成功率を引き上げています。

何をする技術なのか

QwenGyreは、AIエージェントを訓練するための技術です。AIエージェントとは、指示に応じてツールを使い、複数の手順を進めながら仕事をこなすAIを指します。

例えば、仕様を読んでソフトウェアを作る場合、コードを書くだけでは終わりません。ファイルを整理し、テストを実行し、エラーを修正する作業を繰り返します。複雑な課題では、実行に数時間かかり、AIと作業環境のやり取りが数百回に及びます。

QwenGyreは、こうした長い作業の結果を評価し、次の挑戦でより良い行動を選べるようにする「強化学習」を効率化します。

空いたGPUを学習に回す

長時間の作業を使った学習では、それぞれの課題が終わるタイミングが大きく異なります。一部の課題が長引くことで、AIの計算を担うGPUが待機し、十分に使われない問題がありました。

QwenGyreの「Elastic Scheduler」は、作業の進み具合に合わせてGPUの役割を変更します。実行に必要な計算能力を確保しながら、空いた分をモデルの学習に回す仕組みです。

進行中の作業を中断せずに割り当てを変えられるため、時間のかかる課題を待つ間にも学習を進められます。

もう一つの柱が、作業履歴を整理する「Trajectory Processor」です。

AIが長時間働くと、履歴を要約したり、別のAIに仕事を分担したり、失敗した手順をやり直したりします。そのため、作業履歴は一本の流れではなく、枝分かれした形になります。

QwenGyreは、この履歴を共通部分を共有する木構造に整理します。重複した部分を何度も学習に数えることを防ぎ、学習に使う経路の数にも上限を設けて、計算量の増加を抑えます。

さらに、時間切れになった場合でも、残された成果を評価できれば途中までの進捗を学習に利用します。

研究チームは「Qwen3.8-2.4T-A95B」を使い、一回の作業で約70万トークンを処理する規模の実験を行いました。トークンは、AIが文章やコードを処理する際の単位です。この数字は作業全体の累計で、一度に読み込む文章量を意味するものではありません。

評価には、自然言語の仕様からソフトウェアのコード一式を構築する能力を測る「NL2RepoBench」を使用しました。48回の学習更新によって、成功率は52.5％から58.5％へ、6ポイント上昇しています。

同じ実験で、学習全体にかかった時間は、GPUを実行用と学習用に固定して分ける「Async」の134.55時間に対し、QwenGyreでは75.42時間でした。約44％の短縮に相当します。

複数の実験条件では、GPUの役割を全体で交互に切り替える「Colocate」に対して最大1.85倍、Asyncに対して最大1.78倍の高速化を報告しています。これらは研究チームによる測定結果で、一般ユーザーのAI応答が同じ倍率で速くなるという意味ではありません。

今回公開されたのは、主にAIの研究者や学習基盤の開発者に向けた成果です。関連論文は9月27日に公開され、10月12日の公式投稿で紹介されました。

今回確認した公式投稿と論文には、QwenGyre自体を一般ユーザーがアプリやAPIとして利用するための案内、料金、導入手順は示されていません。

この技術が目指すのは、数時間にわたる試行錯誤を学習に取り込み、複雑な仕事を最後まで進めるAIを、より効率よく育てることです。