Qwen выкатила QwenGyre — RL-фреймворк для обучения AI-агентов на длинных и сложных задачах. Результат на NL2RepoBench: 52,5% → 58,5% после 48 шагов. Главное: • Elastic Scheduler — динамически перераспределяет GPU между rollout и обучением • Trajectory Processor — ветвящиеся выполнения превращает в prefix-shared trajectory trees • ~700K токенов за rollout на масштабе • 1,85× ускорение vs Colocate, 1,78× vs Async • ~44% сокращение сквозного времени обучения • Архитектура: Qwen3.8-2.4T-A95B Абсолютное время и стоимость обучения до оптимизации не раскрыты. Сравнение только с Colocate и Async — как метод показывает себя на других подходах, неизвестно. Что это значит: Обучение на по-настоящему длинных задачах перестаёт быть болью. Промежуточный прогресс после таймаута не пропадает — его замеряют и используют. Живое выполнение не прерывается при реаллокации GPU. Итог — ~44% экономии времени и задачи, которые раньше приходилось искусственно укорачивать, решаются целиком.