币须知道据动察 Beating 监测，阿里 PAI 团队发布并开源了专为工业级工具调用设计的小型智能体语言模型 AgenticQwen（包含 8B 和 30B-A3B 两个版本）。该系列模型通过创新的「双数据飞轮」强化学习框架训练，在大幅降低推理成本的同时，实现了接近千亿参数大模型的智能体（Agent）能力。
核心机制在于其「双数据飞轮」训练法。传统的合成数据容易同质化导致模型性能触顶，AgenticQwen 对此引入了两个飞轮：推理飞轮会从模型的错题中自动生成更难的变体；智能体飞轮则根据模型的执行轨迹，将简单的线性工作流（如单一的订票流程）扩展为包含约束、拒绝和对抗条件的多分支行为树，模拟真实的复杂决策场景。
评测显示，AgenticQwen-8B 在真实工具环境基准（如 TAU-2 和 BFCL-V4）中平均得分 47.4，远超基础版 Qwen3-8B（23.8），逼近 Qwen3-235B（52.0）。AgenticQwen-30B-A3B（仅激活 3B 参数）得分达 50.2。目前该模型已在内部类似 Manus 的生产系统中部署，大幅缩小了与 235B 大模型的差距（端到端推理时间更短），不过论文也坦言，受限于 40K 的原生上下文长度，小模型在深层搜索任务上仍有局限。
