Segun MarkTechPost (AI/ML News), el equipo de Alibaba ha presentado QwenGyre, un sistema de aprendizaje por reforzamiento elástico diseñado para entrenar agentes de inteligencia artificial con horizontes de tiempo extremos. Este marco no es un modelo en sí, sino una infraestructura que permite entrenar agentes mediante interfaces negras, sin modificaciones, durante sesiones que pueden extenderse hasta varias horas y procesar cerca de un millón de tokens. El sistema fue validado en dos versiones del modelo Qwen: una de 122 mil millones de parámetros (122B) y otra de 2.4 mil millones (2.4T), con una longitud promedio de rollout de aproximadamente 700 mil tokens. Las pruebas se realizaron en entornos de clústeres de GPUs multi-nodo, utilizando entre 24 y 32 nodos para el modelo de 122B, y 192 nodos (en cuatro celdas de 48 GPUs) para el de 2.4T. Los datos indican que el rendimiento supera en un rango de 1.21 a 1.85 veces a sistemas tradicionales como Colocate, alcanzando un ahorro de hasta 1.85 veces en el benchmark TerminalBench. En contraste, en el caso del modelo de 2.4T, el desempeño fue más limitado, con solo un 1.21x de ventaja sobre Colocate, debido a que múltiples consultas se acercaron al límite de tiempo.
El enfoque de QwenGyre resuelve dos desafíos clave en tareas de larga duración. En primer lugar, los procesos de ejecución presentan colas largas, ya que en configuraciones como Colocate, el entrenamiento se bloquea mientras esperan a que una ejecución más lenta finalice, dejando los recursos de GPU inactivos. En sistemas asíncronos, los nodos de GPU no pueden redistribuirse entre tareas. En segundo lugar, las herramientas de ejecución, como Claude Code, no solo comprimen el contexto, sino que generan múltiples sub-agentes y respuestas en paralelo, convirtiendo una sola trayectoria en un árbol de rutas. Esto implica que cada rama debe ser replicada para mantener la coherencia del entrenamiento, lo que aumenta significativamente la carga computacional.
Para el lector peruano, este avance refleja el ritmo acelerado en que las tecnologías de inteligencia artificial se especializan en tareas complejas y de larga duración. Aunque el sistema aún opera en entornos de alto rendimiento, como clústeres de servidores de alto nivel, su diseño puede inspirar mejoras en plataformas locales de desarrollo de software, especialmente en sectores como la ingeniería, la innovación tecnológica o el apoyo a pequeñas y medianas empresas. La capacidad de generar repositorios completos a partir de especificaciones, por ejemplo, podría ser aplicada en contextos de desarrollo de productos locales o soluciones digitales personalizadas. Sin embargo, el acceso limitado a código abierto y la necesidad de infraestructura avanzada indican que este tipo de innovación sigue siendo accesible principalmente para actores tecnológicos de gran escala, lo que resalta la importancia de fomentar investigaciones y capacidades locales que permitan cerrar brechas tecnológicas.