Alibaba apresenta QwenGyre para acelerar treino de IA

Sistema redistribui GPUs em tempo real e reduz em 44% o tempo de treinamento em tarefas longas, segundo pesquisadores.

Treinar agentes autônomos que passam horas programando ou depurando código consome pilhas de hardware, boa parte gasta apenas esperando. Para tentar reduzir esse desperdício, pesquisadores do Alibaba Token Hub apresentaram o QwenGyre, um framework de aprendizado por reforço voltado para execuções de horizonte longo. O projeto foi detalhado em artigo técnico depositado no repositório arXiv e anunciado pela equipe oficial @Alibaba_Qwen no X.

O gargalo das tarefas que levam horas

Quando um modelo de linguagem gera uma resposta rápida de texto, a computação se resolve em segundos. No entanto, agentes que operam em repositórios complexos de código seguem uma dinâmica diferente. Eles executam centenas de passos, testam hipóteses, encontram erros e chegam a gerar até 1 milhão de tokens em uma única tentativa.

Em configurações tradicionais de aprendizado por reforço online, essa assimetria cobra um preço alto. O pipeline divide os processadores gráficos entre nós de geração (rollout) e nós de treino. Quando tarefas mais difíceis demoram horas para terminar, as GPUs dedicadas a atualizar os pesos do modelo ficam ociosas na maior parte do tempo, travadas à espera dos últimos resultados.

Como o QwenGyre redistribui GPUs sem travar tarefas

O framework aborda esse descompasso com um agendador elástico (Elastic Scheduler). Em vez de amarrar servidores a funções fixas, o sistema particiona a infraestrutura em células modulares e transfere nós ociosos para o treino sob demanda. Se uma tarefa de inferência longa continua rodando, o software redireciona as novas requisições e transfere o cache de chaves e valores (cache KV) entre máquinas via conexões de rede de alta velocidade (RDMA), sem interromper a execução ativa.

Além do remanejamento de hardware, o projeto traz um processador de trajetórias (Trajectory Processor). Agentes que tomam decisões frequentemente erram, voltam atrás e acionam ferramentas externas, gerando trilhas de dados redundantes. O QwenGyre agrupa essas tentativas em árvores com prefixos compartilhados, economizando memória no cluster. A estrutura também permite mensurar o progresso parcial do agente mesmo quando a tarefa atinge o limite máximo de tempo. Para a engenharia diária, outro ponto relevante: o sistema opera com scaffolds e ferramentas externas sem exigir modificações no código original do agente.

Resultados reportados e ressalvas do projeto

Nos experimentos relatados pela equipe com o modelo Qwen 3.8 de 2,4 trilhões de parâmetros (variante Qwen3.8-2.4T-A95B), em rollouts de cerca de 700 mil tokens, o QwenGyre concluiu 48 passos de aprendizado por reforço em 75,42 horas. O método assíncrono padrão levou 134,55 horas para o mesmo volume. A redução de 44% no tempo representou aceleração de até 1,78 vez sobre o modelo assíncrono e de 1,85 vez sobre abordagens que colocam inferência e treino nas mesmas máquinas. No benchmark NL2RepoBench, voltado a engenharia de software, o índice de acertos subiu de 52,48% para 58,54%.

Esses números, contudo, demandam cautela. Todos os testes foram executados exclusivamente em supercomputadores internos da Alibaba, sem auditoria externa independente sobre o impacto de sobrecarga de rede. Além disso, notícias de veículos de tecnologia chegaram a anunciar o projeto como código aberto, mas essa afirmação permanece como RUMOR: o artigo acadêmico documenta a arquitetura e a formulação matemática, mas a equipe não publicou nenhum repositório no GitHub nem licença de uso até o momento.

Fontes

• arXiv:2609.33848 - Artigo técnico “QwenGyre: An Elastic Reinforcement Learning Framework for Training xLong-Horizon Agents” (Alibaba Token Hub)
• X (@Alibaba_Qwen) - Anúncio oficial da equipe Qwen
• Gate.com - Análise de agendamento de GPUs e treinamento elástico
• Startup Fortune - Reportagem sobre infraestrutura de treino para agentes de longa duração