腾讯推出终端 Agent 模型 T1，长任务工具调用超 300 轮

腾讯将 Qwen3.5-122B-A10B 专门用于终端 Agent 训练，推出了 T1。该模型主要处理 Linux 终端中的复杂任务，单个任务最多可连续调用工具 300 多轮。

在 Terminal-Bench 2.1 测试中，T1 的得分从底模的 43.8% 提升至 64.0%，增加了 20.2 分。按披露数据，SFT 将分数拉升至 49.4%，随后强化学习又带来 14.6 分提升，这也是总增幅的主要来源。

团队准备了约 1.5 万个终端任务，并为每个任务配备自动测试。训练中，Agent 不必完成整个任务，只要完成部分要求，也可以获得相应奖励。

针对长任务训练中的训推偏差问题，腾讯称，Agent 在实际执行任务和后续基于这段经历训练时，同一句内容可能被重新切分成不同 token，MoE 也可能切换到另一批专家处理。T1 会记录生成时的 token 和被选中的专家，训练时按原过程重放，将这类训推偏差压低了约三分之一。