騰訊T1專攻Agent長任務：連續操作300多輪，跑分漲20分

金色財經報道，9月11日，騰訊把Qwen3.5-122B-A10B專門拿去練終端Agent，做出了T1。它主要處理Linux終端裏的複雜任務，單個任務最多能連續調用工具300多輪。Terminal-Bench2.1得分從底模的43.8%升到64.0%，漲了20.2分。這20.2分裏，大頭來自強化學習。SFT只把分數拉到49.4%，後面的強化學習又漲了14.6分。團隊準備了約1.5萬個終端任務，每個任務都配有自動測試。 Agent沒把整個任務做完，只要完成了其中一些要求，也能拿到相應獎勵。長任務還有一個麻煩。Agent真正幹活和之後拿這段經歷訓練時，同一句內容可能被重新切成不同token，MoE也可能換一批專家處理。T1會把當時生成的token和選中的專家都記下來，訓練時直接照着重放，把這種訓推偏差壓低了約三分之一。