# Alibaba、最長100万トークンのRL学習基盤「QwenGyre」を発表

> AlibabaのQwenチームが、最大100万トークンを扱う数時間規模のロールアウトでコーディングエージェントを学習できる、弾力的な強化学習システム「QwenGyre」を公開した。

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

AlibabaのQwenチームは、新たなフレームワーク「QwenGyre」を発表した。長時間にわたって動作するエージェントの学習を目的とした、弾力的な強化学習（RL）システムだ。エージェントのコードを変更せずに、100万トークン近くを処理するロールアウトに対応できる。ブラックボックスのテストハーネスを通じて学習するコーディングエージェントを対象としている。

## 事実

- QwenGyreは2026-10-12（「Mon Oct 12 2026」）に発表された。
- 数時間続き、約100万トークンを処理するロールアウトを対象としている。

## なぜ重要か

このフレームワークにより、現実に近い長時間の利用セッションから学習する、より高性能なコーディングアシスタントを開発できる可能性がある。

## 出典と参考資料

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

最終更新: 2026-10-12