# Alibaba Qwen pousse ses agents au million de jetons

> Alibaba Qwen présente QwenGyre, un cadre d’apprentissage par renforcement en ligne pour entraîner des agents de programmation sur près d’un million de jetons.

Type : Actualité IA · Catégorie : Outils · Publié le 2026-10-13 · Signal IA - Order & Chaos · Secteur : Industrie
Source : https://www.orderchaos.eu/signal-ia/actu/alibaba-qwen-entraine-ses-agents-sur-pres-dun-million-de-jetons
Tags : alibaba, qwen, agents, apprentissage par renforcement, programmation

---

## En résumé

- Alibaba Qwen présente QwenGyre pour entraîner des agents sur des tâches très longues.
- Le système fonctionne avec des environnements d’évaluation inchangés et opaques.
- Les déroulements ciblés peuvent durer plusieurs heures et traiter près d’un million de jetons.

**Le signal :** QwenGyre entraîne des agents de programmation sur des déroulements pouvant durer plusieurs heures et traiter près d’un million de jetons.

**Alibaba Qwen** a présenté QwenGyre le 13 octobre 2026. Ce cadre d’apprentissage par renforcement vise l’entraînement d’agents capables de gérer des déroulements extrêmement longs. L’équipe Qwen le décrit comme un système d’apprentissage par renforcement en ligne. Il entraîne des agents de programmation à partir d’environnements d’évaluation utilisés sans modification. Ces environnements fonctionnent comme des boîtes noires pour le système. QwenGyre s’adresse ainsi à des agents qui exécutent des tâches prolongées, plutôt qu’à des séquences courtes. La présentation concerne directement les travaux d’Alibaba Qwen sur l’entraînement d’agents.

**Des tâches très longues** constituent la cible centrale de QwenGyre. Le cadre est conçu pour des déroulements pouvant durer plusieurs heures. Ces déroulements peuvent aussi traiter près d’un million de jetons. Cette capacité correspond à un objectif d’entraînement pour des agents à horizon extrêmement long. Le système conserve une approche en ligne de l’apprentissage par renforcement. Il s’applique à des agents de programmation, et non à une catégorie générale d’agents décrite sans précision. QwenGyre associe donc trois éléments : l’apprentissage en ligne, les environnements opaques et inchangés, puis les exécutions prolongées. Ces éléments sont réunis dans le travail de l’équipe Qwen d’Alibaba.

## QwenGyre entraîne des agents de programmation

**Le cadre QwenGyre** entraîne des agents de programmation au moyen d’environnements d’évaluation non modifiés. Le terme « boîte noire » indique que les harnais utilisés restent inchangés pour cet entraînement. Aucune adaptation spécifique de ces environnements n’est nécessaire. Le système est conçu pour y fonctionner tels qu’ils sont. Cette caractéristique distingue le dispositif par son mode d’utilisation des outils d’évaluation. QwenGyre reste présenté comme un cadre d’apprentissage par renforcement élastique. Cette élasticité est associée à l’entraînement d’agents sur des séquences très longues. Les tâches concernées peuvent s’étendre sur plusieurs heures et atteindre près d’un million de jetons traités.

**Près d’un million** de jetons peuvent être traités pendant les déroulements ciblés par QwenGyre. La durée annoncée peut atteindre plusieurs heures. Ces deux mesures décrivent l’échelle opérationnelle visée par le cadre. Elles concernent les déroulements utilisés pour entraîner les agents de programmation. Le système est présenté comme en ligne, ce qui caractérise son fonctionnement d’apprentissage par renforcement. Les environnements restent des harnais non modifiés et opaques. Alibaba Qwen réunit donc un cadre élastique, un entraînement en ligne et des tâches longues. Ces éléments sont associés aux agents capables d’exécuter des travaux de programmation prolongés.

## Qwen cible les agents à long horizon

**L’équipe Qwen** positionne QwenGyre sur les agents à horizon extrêmement long. La présentation décrit une infrastructure d’entraînement pour des agents de programmation. Elle retient des déroulements de plusieurs heures comme cas ciblé. Elle retient également un volume proche d’un million de jetons. Le dispositif repose sur l’apprentissage par renforcement en ligne et sur des harnais utilisés sans modification. QwenGyre est ainsi présenté comme un système d’Alibaba destiné à l’entraînement d’agents dans des conditions prolongées. Cette introduction est attribuée à l’équipe Qwen d’Alibaba.
Pour aller plus loin, consultez notre guide sur [déployer un agent IA en PME sans développeur](/signal-ia/guides/agents-ia-pme-sans-developpeur-2026).