# 一次任务百万token，阿里怎么把训练时间砍掉近一半
先说一条发布。
阿里千问今天放出一个叫 QwenGyre 的东西，官方定位是「面向长程智能体任务的在线强化学习框架」。
名字拗口，先说它要解决什么事。
智能体跑一次任务，要多久
按官方介绍，智能体去干复杂活，一次执行能持续好几个小时。这期间模型和环境来回交互几百轮，累计吃进去的 token 是百万级的。训练要的是样本，而样本得从这几次长跑里一点点攒。跑得慢，跑得久，还容易中途白跑。
【本人未实测】我没跑过这类长任务，具体卡在哪一步、耗时多久，我没有一手体感。下面讲的都是官方口径和公开说明。
它想干的事：让闲下来的算力接着干活
QwenGyre 的办法，是把 GPU 切成若干计算单元。任务跑完一批，空出来的单元就转去训练。官方打了个比方，说像项目组里谁先交差、谁先加入复盘。还有一句我印象挺深：正在跑的任务不受打扰，进度和状态原地保留，连之前算过的缓存都整体搬走，不用从头再来。
这句是关键。
很多长任务最怕的不是慢，是重来。缓存能整体搬走，等于省掉了重复计算。空出来的单元加入本轮训练，谁算得快谁多干，最后核心单元汇总结果，完成一次参数更新。
训练样本怎么挑
长任务跑完，轨迹特别长。全拿来训练，又费又杂。QwenGyre 用 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，只把被选中的那条路径展开成训练样本。
还有个细节叫 Partial Scoring。任务超时了，但只完成了一部分，这部分也能给出有用的反馈。
这点比想象中重要。超时白跑，在长任务里太常见了。
跑分：48 步，52.5% 到 58.5%
官方给了一组实验数据。
在 NL2RepoBench 的在线强化学习实验里，每次 rollout 约 70 万 token，训练 48 步之后，模型通过率从 52.5% 提升到 58.5%。同一组还测了速度。相同 GPU 预算下，QwenGyre 相比 Async 实现 1.78 倍端到端加速，训练分数和 Async、Colocate 接近。在 Qwen3.6-122B 上做跨任务验证，NL2RepoBench、DeepSWE、TerminalBench 三类任务都拿到了端到端提速。
几点看法
【以下是我的判断，不是官方结论】
一是这组数字是官方自己发的，我没法独立复现。「通过率 52.5% 到 58.5%」，是 6 个百分点，算不上惊艳的跃升。真正值得看的是 1.78 倍的速度。如果这个加速在别的任务上也成立，对天天烧算力的人更实在。二是思路其实不新。调度这个词，在分布式训练里被讲了太多年。新的地方可能在于，它是冲着长程智能体这个场景专门做的。场景一变，难点就变了。
三是不只阿里在动。今天还有两条消息可以一起看：英特尔、博通的 CEO 都提到，资金可能成为 AI 发展的瓶颈；高通则被 AI 企业要求，在 2028 年推出能本地跑 100B 模型的移动平台。
算力不够、钱也不够的时候，让同样的卡多干点活，就是最实在的方向。
一个提醒
【暂无相关资料】官方没说 QwenGyre 是否开源、什么时候能用、对硬件有没有门槛。这几样我没查到，也就不猜了。想动手的人，我的建议是先盯它的开源进度，别急着为它调整自己的训练管线。
你用过多卡训练吗？有没有被跑到一半白跑坑过？评论区聊聊。
