📌 この記事の要約

• QwenがAIエージェント向けの言語ワールドモデルを公開 『Qwen-AgentWorld』は、エージェントの行動後に環境がどう変わるかを言葉で予測するモデルです。

• 7つの環境を1つのモデルで再現 MCP、検索、ターミナル、SWE、Webブラウザ、OS、Androidをまとめて扱い、訓練用シミュレーターのように使えます。

• 模擬環境での訓練が実環境を上回る結果も Qwenの実験では、検索課題のF1で模擬環境50.3％、実環境45.6％という直感に反する結果が示されました。

• 本番投入前に失敗を練習する発想が重要 エージェントを「いきなり使う道具」ではなく、弱点を安全に試してから投入するシステムへ近づける取り組みです。

AIが人間の代わりに調べ物をこなしたり、パソコンやスマートフォンを操作したりする「AIエージェント」の開発が加速しています。ただ、エージェントを賢く育てるには、実際の環境で何度も試行錯誤をさせる必要があり、時間もお金もかかります。

中国アリババのAI研究チームQwenは2026年6月24日、この難題に別の角度から挑む『Qwen-AgentWorld』を公開しました。エージェントが何か行動したあとに環境がどう変化するかを、言葉で予測するモデルです。今回はこの言語ワールドモデルと呼ばれる新しい仕組みが何を狙っているのかを、専門知識がなくても分かるように読み解いていきます。

Qwen-AgentWorldは7つの環境を1つのモデルでまとめて再現します。

行動の結果を言葉で予測する言語ワールドモデル

これまでのAIエージェントは、いまの状況を見て「次に何をするか」を決める部分に力が注がれてきました。検索する、コマンドを打ち込む、ボタンを押すといった、行動を選ぶ働きです。

これに対してワールドモデルは、「その行動をとったら環境がどう応答するか」を先読みする働きをするのが特徴です。あるコマンドを実行したらどんな画面が返ってくるのか、検索したらどんな結果が並ぶのかを、モデルが文章として書き出します。開発元のQwenは、パイロットが訓練で使うフライトシミュレーターにたとえています。実機を飛ばさずに操縦を練習できるのと同じで、本物の環境を動かさなくてもエージェントの反応を試せるところがポイントです。

『Qwen-AgentWorld』が扱うのは7種類の環境です。外部のツールとAIをつなぐ規格のMCP、検索エンジン、Linuxなどで文字を打ち込んで操作するターミナル、ソフトウェア開発を指すSWE、そしてWebブラウザ、パソコンのOS、Androidスマートフォンがそろっています。前の4つは文字のやり取りが中心の環境で、後ろの3つは画面を見ながら操作するGUI環境です。

画面を扱う環境でも、モデルは画像そのものを見るのではなく、どこにどんなボタンや文字があるかを文字で書き起こしたデータ（HTMLなどのコード）を読み書きします。このおかげで、見た目の操作まで文字だけで再現できます。7つの領域を1つのモデルでまとめて扱えたのは、Qwenによれば今回が初めてとのことです。

エージェントが打ったコマンドに対し、モデルが返るはずの画面と、その予測の根拠まで示しています。

3段階の学習で環境の再現力を高める

『Qwen-AgentWorld』が新しいのは、環境を再現するという狙いを、学習の一番最初の段階から組み込んでいる点です。多くのAIは、まず幅広い知識を身につけてから用途に合わせて調整しますが、このモデルは出発点から環境の再現を目的に据えているのです。

学習はおおまかに3段階に分かれます。最初は基礎固めの段階。コンテナやスマートフォン、OSの仮想環境など、1000万件を超える実際のやり取りの記録を読み込ませ、環境がどう振る舞うかを覚えさせます。この段階では、産業制御やサイバーセキュリティ、法律、医療、金融、時事といった専門分野の知識もあわせて取り込みます。

続いて、行動の次に何が起きるかをいったん考えてから答える、という思考の手順を教え込みます。そして最後に、うまく予測できたときほど高く評価する仕組みで訓練し、応答の正確さを磨いていきます。

実力を測るために、Qwenは独自の評価用テストである『AgentWorldBench』も用意しました。5つの最先端モデルが9種類のベンチマークで残した実際の記録を正解データとして使い、モデルの予測がどれだけ本物に近いかを、形式や事実の正しさ、話の一貫性、リアルさ、全体の品質という5つの観点で採点する仕組みです。

総合点では、規模の大きい3970億パラメータ版の『Qwen-AgentWorld-397B-A17B』が58.71点をつけ、GPT-5.4の58.25点をわずかに上回り、Claude Opus 4.8やGemini 3.1 Proも抑えました。

パラメータはモデルの規模を示す数値で、多いほど大がかりだと考えてください。小さい350億パラメータ版も、3段階の学習を経て8.66点伸び、Claude Sonnet 4.6を追い抜いています。ただし、この点数はあくまで環境をどれだけ忠実に再現できたかを測ったもので、課題そのものをどれだけ解けたかを競った結果ではありません。しかも採点の基準はQwen自身が作ったもので、第三者による検証はこれからだというところは押さえておきましょう。

あくまでQwen独自の再現度評価ですが、総合点では397B版が首位となっています。

本物の環境より効果的だった訓練用シミュレーター

このモデルの使い道のひとつが、エージェントを鍛えるための訓練場になることです。ふだんエージェントは、本物の環境で行動と失敗を繰り返しながら学びます。その相手役を『Qwen-AgentWorld』が肩代わりします。エージェントが何か行動すると、モデルが「次はこうなる」と予測して返し、エージェントはその模擬的なやり取りを通じて学んでいきます。Qwenの実験では、学習に一度も使っていない4000種類の環境でも予測がきちんと成り立ち、初めて出会う課題での成績が伸びました。

さらに面白いのは、シミュレーターに注文をつけて、環境の振る舞いをわざと変えられる点です。ツールがときどきエラーを返す、検索結果が何ページにも分かれて追加の操作が必要になる、といった本番ではめったに起きない状況を意図的に作り出し、エージェントの弱点をあぶり出せます。

この仕掛けを加えた訓練では、あるツール操作の成績が12.3点伸びました。検索の課題ではもっと極端で、現実には存在しない架空の事実だけで組み立てた世界で訓練したエージェントが、本物の検索課題にもうまく対応したのです。生きた検索エンジンで訓練した場合と比べても、模擬環境で鍛えたほうが良い結果を出しました。正確さと網羅性をあわせて見るF1という指標で、模擬環境が50.3％、実環境が45.6％という差です。本物より作り物のほうが成績が良いという、直感に反する結果でした。

模擬環境での訓練が、生きた検索エンジンでの訓練を上回りました。

予測する力がそのまま行動する力につながる

もうひとつの使い道は、エージェントそのものを賢くする土台として使う方法です。1つ目の使い道ではエージェントとワールドモデルは別々の存在でしたが、こちらは同じモデルが行動も予測も受け持ちます。環境の反応を先読みする訓練をあらかじめ積ませておくと、道具を使いながら何手も先まで進める本番の課題でも、成績が上がると分かりました。

興味深いのは、道具を使わない単純な予測の練習しかしていないのに、その力が複雑な作業にそのまま生きたことです。学習にはまったく含まれていなかった別種の課題でも、11.3点、9.7点、9.0点と成績が伸びました。行動する前に頭のなかで結果を思い描く習慣が、分野をまたいで役立つようです。

公開のされ方にも触れておきます。今回オープンソースとして無償公開されたのは、小さい350億パラメータ版です。商用でも使いやすいApache 2.0というライセンスのもと、評価用テストの『AgentWorldBench』とセットで配られています。一度に約26万トークン分という長い文脈を扱えるのも使い勝手がよいです。

一方で、最高成績を出した3970億パラメータ版の中身は、いまのところ公開の予定が示されていません。ここでいう中身とは、学習の成果が詰まったモデル本体のデータのことです。手元で試せるのは小さいほうだけ、というのが現状です。

環境を予測する練習だけで、道具を使う別の課題まで解けるようになりました。

エージェント開発に「練習場」を持つ意味

『Qwen-AgentWorld』が示したのは、AIエージェントを本番環境だけで鍛える必要はない、という新しい選択肢です。検索エンジン、OS、ブラウザ、スマートフォンを実際に動かし続ける訓練は、コストも時間もかかります。失敗させにくい操作や、めったに起きない例外処理もあります。そこで、環境の反応を言葉で再現するモデルを使えば、ツールのエラー、検索結果の分割、画面遷移の失敗といった場面を意図的に作り、エージェントの弱点を先に見つけられます。

もちろん、模擬環境が現実を完全に置き換えるわけではありません。Qwen自身の評価結果は有望ですが、第三者検証や実業務での再現性はこれからです。それでも、350億パラメータ版が公開されたことで、研究機関だけでなく企業や開発者も、小さな検証を始められるようになりました。

重要なのは、発表された点数の順位ではなく、自分たちの用途でどんな失敗を安全に練習させられるかです。『Qwen-AgentWorld』は、AIエージェントを「いきなり本番で使う道具」から、「訓練してから投入するシステム」へ近づける一歩だと言えます。

AIエージェントの練習環境を丸ごと再現する『Qwen-AgentWorld』の仕組みと使い道を整理した解説画像です。