# Alibaba presenta QwenGyre para entrenar agentes con RL durante horas

> El equipo de Qwen de Alibaba presentó QwenGyre, un sistema elástico de aprendizaje por refuerzo que permite entrenar agentes de programación en sesiones de hasta varias horas y procesar hasta 1 million tokens.

Oossa · 2026-10-12 · https://oossa.com/es/alibaba-launches-qwengyre-framework-for-ultra-long-horizon-rl-training

El equipo de Qwen de Alibaba anunció un nuevo framework llamado QwenGyre. Es un sistema elástico de aprendizaje por refuerzo (RL) diseñado para entrenar agentes que deben funcionar durante muchas horas. QwenGyre puede gestionar sesiones de ejecución que procesan cerca de 1 million tokens sin modificar el código de los agentes. El sistema está dirigido a agentes de programación que aprenden mediante entornos de prueba de caja negra.

## Los hechos

- QwenGyre se anunció el 2026-10-12 (“Mon Oct 12 2026”).
- Está pensado para sesiones de ejecución de varias horas que procesan alrededor de 1 million tokens.

## Por qué importa

El framework podría permitir a los desarrolladores crear asistentes de programación más capaces, que aprendan de sesiones de uso largas y realistas.

## Fuentes y referencias

1. [Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents](https://www.marktechpost.com/2026/10/12/alibaba-qwen-introduces-qwengyre-elastic-reinforcement-learning-rl-for-xlong-horizon-agents/) – MarkTechPost, 2026-10-12

Última actualización: 2026-10-12