Tencent crée 16 700 environnements de travail pour les agents : GLM fait la démonstration, Qwen suit le mouvement.

BlockBeats_EN · 2026-10-22T10:35:56.000Z

Flash info IA — Tencent Hunyuan, en collaboration avec l’Université Fudan, propose WorkForge, un outil spécialement conçu pour créer en série des environnements de travail complexes et vérifiables afin d’entraîner des agents IA. L’équipe a rassemblé des documents issus de sources publiques réelles, comme des feuilles de calcul et des rapports, couvrant 40 domaines professionnels et 60 types de fichiers, pour créer au total 16 665 environnements d’entraînement. Chaque espace de travail contient en moyenne 42,3 fichiers, ce qui le rend bien plus complexe que les environnements simulés reposant uniquement sur des contenus générés par l’IA. Par exemple, pour des tâches financières, l’agent doit analyser les rendements de facteurs boursiers dans différentes régions, organiser les données, comparer les performances, puis fournir des fichiers PPT, Excel et CSV. WorkForge extrait d’abord des faits vérifiables des fichiers d’origine, puis génère automatiquement des tâches et des critères d’évaluation. Le programme vérifie certains chiffres et les fichiers livrables, tandis qu’une IA distincte évalue le contenu analytique, afin que les résultats de l’entraînement reposent autant que possible sur des éléments probants. L’équipe a utilisé GLM 5.3, ainsi que Claude Code et OpenClaw, pour générer des trajectoires d’exécution de démonstration, puis a affiné Qwen3.5 à l’aide de ces données. Après l’entraînement, le score GDPval du modèle de base 35B-A3B est passé de 45,5 à 73,6, et son score APEX, de 5,0 à 21,3. Un autre modèle de 27B a obtenu 82,4 sur GDPval, soit légèrement plus que Qwen3.5-397B (79,7), qui compte près de 15 fois plus de paramètres, mais reste derrière GPT-5.6 Sol, qui atteint 90,1.

Beating AI News Flash: Tencent Hunyuan, in collaboration with Fudan University, proposes WorkForge, specifically designed to batch-build complex, verifiable work training environments for AI Agents.The team collected materials such as spreadsheets and reports from real public resources, covering 40 professional domains and 60 file types, building a total of 16,665 training environments. Each workspace contains an average of 42.3 files, far more complex than simulated environments that rely solely on AI-generated materials.For example, in financial tasks, the Agent needs to analyze stock factor returns across different regions, organize data, compare performance, and finally deliver PPT, Excel, and CSV files. WorkForge first extracts verifiable facts from the original files, then automatically generates tasks and scoring criteria. The program checks specific numbers and deliverable files, while a separate AI evaluates the analytical content, making training results as evidence-based as possible.The team used GLM 5.3, together with Claude Code and OpenClaw, to generate demonstration operation trajectories, then fine-tuned Qwen3.5 with this data. After training, the 35B-A3B base model's GDPval score rose from 45.5 to 73.6, and APEX from 5.0 to 21.3. Another 27B model reached 82.4 on GDPval, slightly higher than Qwen3.5-397B (79.7), which has nearly 15 times the parameter count, but still below GPT-5.6 Sol's 90.1.