騰訊T1專攻Agent長任務：連續操作300多輪，跑分漲20分

動察 Beating AI 快訊，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 終端裡的複雜任務，單個任務最多能連續調用工具 300 多輪。Terminal-Bench 2.1 得分從底模的 43.8% 升到 64.0%，漲了 20.2 分。

這 20.2 分裡，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，訓練時直接照著重放，把這種訓推偏差壓低了約三分之一。