ingest(raw/blog): binaryverseai-qwen-agentworld — AgentWorldBench scores, CPT/SFT/RL pipeline, 7 domains

wiki-update(concepts): world-model-rl-training.md augmented with benchmark table, training pipeline detail, GUI text representation, model variants

- raw: raw/blog/2026-06-25_binaryverseai-qwen-agentworld.md (new)
- wiki: concepts/world-model-rl-training.md (augmented — new sections: Training Pipeline, 7 Domains, AgentWorldBench, Modell-Varianten, GUI text representation)
- wiki: index.md (34. Update, World-Models row updated, new raw source)
- wiki: log.md (new entry)

raw/blog/2026-06-25_binaryverseai-qwen-agentworld.md

@@ -0,0 +1,62 @@
+---
+type: blog
+source_url: https://binaryverseai.com/qwen-agentworld-language-world-model/
+retrieved: 2026-06-25
+title: "Qwen AgentWorld Explained: Predict Before Agents Act"
+author: "BinaryVerse AI"
+tags: [qwen-agentworld, world-model, agent-training, rl, benchmark, mcp, gui-automation]
+---
+
+# Qwen AgentWorld Explained: Predict Before Agents Act
+
+**Source:** https://binaryverseai.com/qwen-agentworld-language-world-model/
+
+## Key Takeaways
+
+1. **Qwen AgentWorld is a LANGUAGE WORLD MODEL, not a chatbot.** It predicts the next environment state after an agent action. Normal LLM asks "What should I say or do?" → Qwen AgentWorld asks "If the agent does that, what will the world return?"
+
+2. **Open weights available:** `Qwen-AgentWorld-35B-A3B` (open weights). Research model: `Qwen-AgentWorld-397B-A17B`.
+
+3. **7 domains:** MCP, Search, Terminal, SWE (Software Engineering), Web, OS, Android.
+
+4. **Training pipeline:** "CPT injects, SFT activates, RL sharpens"
+   - **Continual Pre-Training (CPT):** Injects environment knowledge into the model
+   - **Supervised Fine-Tuning (SFT):** Activates next-state prediction capability
+   - **Reinforcement Learning (RL):** Sharpens simulation fidelity
+
+5. **10M+ real environment interaction trajectories** used in training.
+
+6. **AgentWorldBench scores (Overall):**
+
+   | Model | Overall Score |
+   |-------|-------------|
+   | Qwen-AgentWorld-397B-A17B | 58.71 |
+   | GPT-5.4 | 58.25 |
+   | Claude Opus 4.8 | 56.59 |
+   | Claude Sonnet 4.6 | 56.04 |
+   | Qwen-AgentWorld-35B-A3B | 56.39 |
+   | Qwen3.5-35B-A3B | 47.73 |
+
+7. **GUI domains (Web, OS, Android)** use structured text representations (accessibility trees, HTML, XML), NOT raw pixels.
+
+8. **Core loop:** interaction history → agent action → model predicts next observation → use prediction for evaluation, planning, or RL training.
+
+## External Links
+
+- **Paper:** https://arxiv.org/pdf/2606.24597
+- **GitHub:** https://github.com/QwenLM/Qwen-AgentWorld
+- **HuggingFace:** https://huggingface.co/collections/Qwen/qwen-agentworld
+
+## Wiki Relevance
+
+- Augments `wiki/concepts/world-model-rl-training.md` with:
+  - AgentWorldBench benchmark score table
+  - CPT/SFT/RL training pipeline detail
+  - GUI domain representation detail (structured text, not pixels)
+  - 10M+ trajectory training data detail
+  - Distinction: Language World Model (predicts environment state) vs. action-generating LLM
+
+## Related Wiki Pages
+
+- `[[concepts/world-model-rl-training.md]]` — Main wiki page for Qwen-AgentWorld
+- `[[concepts/world-models-jepa-vs-generative.md]]` — JEPA vs. generative world models debate

wiki/concepts/world-model-rl-training.md

@@ -3,16 +3,19 @@ created: 2026-06-25
 updated: 2026-06-25
 sources:
   - youtube/2026-06-25_qwen-agentworld-world-model-rl.md
-tags: [concept, world-models, rl, reinforcement-learning, agent-training, hallucinated-environments, qwen, synthetic-data, agi]
+  - blog/2026-06-25_binaryverseai-qwen-agentworld.md
+tags: [concept, world-models, rl, reinforcement-learning, agent-training, hallucinated-environments, qwen, synthetic-data, agi, agentworldbench, mcp, gui-automation]
 ---
 
 # World Models for RL Training — Qwen-AgentWorld
 
-> **Stand:** 2026-06-25. Quelle: Sam Witteveon YouTube-Video „Qwen-AgentWorld: The World Model for RL Environments" (16:31, 2026-06-25).
+> **Stand:** 2026-06-25. Quellen: Sam Witteveen YouTube-Video „Qwen-AgentWorld: The World Model for RL Environments" (16:31, 2026-06-25) + BinaryVerse AI Blog „Qwen AgentWorld Explained: Predict Before Agents Act" (2026-06-25).
 
 ## Kernidee
 
-**Qwen-AgentWorld** (Alibaba/QwenLM) ist ein Weltmodell, das RL-Umgebungen **halluziniert** — anstatt Agenten in realen Umgebungen zu trainieren, generiert das Weltmodell synthetische Trainingsumgebungen. Agenten, die in diesen hallucinated environments trainiert wurden, **schlagen Agenten, die in realen RL-Umgebungen trainiert wurden** — auf der eigenen Benchmark des Teams, und auch beim Vergleich mit **GPT-5.4 und Claude**.
+**Qwen-AgentWorld** (Alibaba/QwenLM) ist ein **Language World Model** — kein Chatbot. Es sagt den nächsten Umgebungs-Zustand nach einer Agenten-Aktion voraus. Normal LLM fragt „Was soll ich sagen oder tun?" → Qwen AgentWorld fragt „Wenn der Agent das tut, was wird die Welt zurückgeben?"
+
+Es ist ein Weltmodell, das RL-Umgebungen **halluziniert** — anstatt Agenten in realen Umgebungen zu trainieren, generiert das Weltmodell synthetische Trainingsumgebungen. Agenten, die in diesen hallucinated environments trainiert wurden, **schlagen Agenten, die in realen RL-Umgebungen trainiert wurden** — auf der eigenen Benchmark des Teams, und auch beim Vergleich mit **GPT-5.4 und Claude**.
 
 ## Pipeline
 
@@ -30,6 +33,73 @@ Dies ist eine **dritte Trainingsschiene** jenseits der klassischen dichotomie:
 2. **Self-Play** — Agent lernt durch Spielen gegen sich selbst (AlphaGo, Dota-OpenAI)
 3. **Hallucinated Environment Training** (neu) — Agent lernt in einer vom Weltmodell generierten Simulation
 
+## Training Pipeline — „CPT injects, SFT activates, RL sharpens"
+
+Qwen-AgentWorld wird in drei Phasen trainiert:
+
+### 1. Continual Pre-Training (CPT) — injects environment knowledge
+- **Ziel:** Umgebungs-Wissen in das Modell injizieren. Das Modell lernt die Struktur und Dynamik der 7 Domänen (MCP, Search, Terminal, SWE, Web, OS, Android).
+- **Daten:** 10M+ reale Interaktions-Trajektorien aus echten Umgebungen.
+
+### 2. Supervised Fine-Tuning (SFT) — activates next-state prediction
+- **Ziel:** Das Modell lernt, den *nächsten Beobachtungs-Zustand* vorherzusagen, gegeben eine Interaktions-Historie und eine Agenten-Aktion.
+- **Paradigma-Wechsel:** Das Modell wird vom Aktions-Generator zum Umgebungs-Simulator.
+
+### 3. Reinforcement Learning (RL) — sharpens simulation fidelity
+- **Ziel:** Die Simulations-Genauigkeit wird durch RL weiter geschärft. Das Modell lernt, präzisere und nützlichere Welt-Zustände zu generieren.
+
+### Core Loop
+
+```
+Interaktions-Historie → Agenten-Aktion → Modell sagt nächsten Beobachtungs-Zustand voraus
+    → Verwendung für: Evaluation / Planning / RL-Training
+```
+
+## 7 Domänen
+
+Qwen-AgentWorld deckt sieben Agenten-Umgebungen ab:
+
+| Domäne | Beschreibung | Repräsentation |
+|--------|-------------|----------------|
+| **MCP** | Model Context Protocol | Strukturierter Text |
+| **Search** | Web-Suche | Strukturierter Text |
+| **Terminal** | Kommandozeile | Strukturierter Text |
+| **SWE** | Software Engineering | Strukturierter Text |
+| **Web** | Browser/GUI | HTML |
+| **OS** | Betriebssystem/GUI | Accessibility Trees |
+| **Android** | Mobile GUI | XML-Layouts |
+
+### GUI-Domänen: Strukturierte Text-Repräsentation, keine Pixel
+
+Für die GUI-Domänen (Web, OS, Android) verwendet Qwen-AgentWorld **keine rohen Pixel-Bilder**, sondern strukturierte Text-Repräsentationen (HTML, Accessibility Trees, XML). Dies ist eine bewusste Design-Entscheidung: Text-Repräsentationen sind kompakter, deterministischer und lassen sich besser in einem Language World Model verarbeiten als Pixel-Arrays. Das Modell bleibt im Sprachraum — es „sieht" die GUI als strukturierten Text, nicht als Bild.
+
+## Modell-Varianten
+
+| Variante | Parameter | Typ |
+|---------|-----------|-----|
+| Qwen-AgentWorld-35B-A3B | 35B total, 3B active (MoE) | Open Weights |
+| Qwen-AgentWorld-397B-A17B | 397B total, 17B active (MoE) | Research-only |
+
+Beide sind Mixture-of-Experts (MoE) Architekturen — die active-parameter-Counts (3B bzw. 17B) zeigen, dass bei Inference nur ein Bruchteil der Parameter aktiviert wird.
+
+## AgentWorldBench — Benchmark-Ergebnisse
+
+Die AgentWorldBench misst, wie gut ein Modell den nächsten Umgebungs-Zustand nach einer Agenten-Aktion vorhersagt. Höher = bessere Welt-Simulation.
+
+| Modell | Overall Score |
+|--------|--------------|
+| **Qwen-AgentWorld-397B-A17B** (research) | **58.71** |
+| GPT-5.4 | 58.25 |
+| Claude Opus 4.8 | 56.59 |
+| Qwen-AgentWorld-35B-A3B (open weights) | 56.39 |
+| Claude Sonnet 4.6 | 56.04 |
+| Qwen3.5-35B-A3B (baseline, kein World-Model-Training) | 47.73 |
+
+**Key Observations:**
+- Das 397B-Research-Modell schlägt GPT-5.4 knapp (+0.46 Punkte).
+- Das offene 35B-Modell schlägt Claude Sonnet 4.6 (+0.35 Punkte) und liegt nah an Claude Opus 4.8 (−0.20 Punkte).
+- Qwen3.5-35B-A3B (ohne World-Model-Training) fällt auf 47.73 ab — **8.66 Punkte hinter der open-weights AgentWorld-Variante**. Das zeigt, dass der AgentWorld-Training-Pipeline den größten Teil des Gewinns liefert, nicht nur die Modellgröße.
+
 ## Warum es bedeutsam ist
 
 ### 1. Weltmodelle als Trainings-Infrastruktur
@@ -85,10 +155,11 @@ Qwen-AgentWorld ist **orthogonal zur JEPA-vs-Generativ-Debatte**: es geht um die
 ## Externe Primärquellen
 
 - **Paper:** [arXiv:2606.24597](https://arxiv.org/abs/2606.24597)
-- **Blog:** https://qwen.ai/blog?id=qwen-agentworld
+- **Blog (Qwen officiel):** https://qwen.ai/blog?id=qwen-agentworld
+- **Blog (BinaryVerse AI):** https://binaryverseai.com/qwen-agentworld-language-world-model/
 - **GitHub:** https://github.com/QwenLM/Qwen-AgentWorld
 - **HuggingFace:** https://huggingface.co/collections/Qwen/qwen-agentworld
-- **Video:** https://www.youtube.com/watch?v=VzmMQWRhlBw
+- **Video (Sam Witteveen):** https://www.youtube.com/watch?v=VzmMQWRhlBw
 
 ## Verwandte Wiki-Seiten
 

wiki/index.md

@@ -2,7 +2,7 @@
 
 *Auto-generated: 2026-06-23*
 
-*Letzte Aktualisierung: 2026-06-25 (33. Update — OME22: KI-Nacht & Agenten-Architektur. Infografik von NotebookLM. Raw-Datei `other/2026-06-25_ome22-ki-nacht-agenten-architektur.md`.)*
+ *Letzte Aktualisierung: 2026-06-25 (34. Update — Qwen-AgentWorld Blog-Ingest: AgentWorldBench scores, CPT/SFT/RL training pipeline, 7 domains, GUI text representation. Raw-Datei `blog/2026-06-25_binaryverseai-qwen-agentworld.md`. Augmentation von `concepts/world-model-rl-training.md`.)*
 
 ## Architecture
 
@@ -44,7 +44,7 @@
 | Seite | Beschreibung | Quellen |
 |-------|-------------|---------|
 | [Weltmodelle: JEPA vs. Generativ](concepts/world-models-jepa-vs-generative.md) | Hassabis-vs-LeCun-Debatte strukturiert: Generative Weltmodelle (VEO, Pixel-Rekonstruktion, Compute-intensiv) vs. JEPA (V-JEPA, Embedding-Konsistenz, theoretisch effizienter, empirisch noch nicht an der Spitze). AGI-Weltmodell-Wette bis 2028-2030 | youtube/2026-06-18_deepmind-beyond-transformer.md + youtube/2026-06-16_deepmind-two-steps-ahead.md |
-| [World Models for RL Training — Qwen-AgentWorld](concepts/world-model-rl-training.md) | Qwen-AgentWorld: Weltmodell halluziniert RL-Umgebungen → Agenten trainieren darin → schlagen real-world RL + GPT-5.4/Claude. Dritte Trainingsschiene jenseits RLHF/Self-Play. Cross-Ref zu JEPA-Debatte. | youtube/2026-06-25_qwen-agentworld-world-model-rl.md |
+ | [World Models for RL Training — Qwen-AgentWorld](concepts/world-model-rl-training.md) | Qwen-AgentWorld: Language World Model, halluziniert RL-Umgebungen → Agenten trainieren darin → schlagen real-world RL + GPT-5.4/Claude. CPT/SFT/RL Pipeline, 7 Domänen, AgentWorldBench scores, GUI als strukturierte Text-Repräsentation. Cross-Ref zu JEPA-Debatte. | youtube/2026-06-25_qwen-agentworld-world-model-rl.md + blog/2026-06-25_binaryverseai-qwen-agentworld.md |
 
 ### LLM
 | Seite | Beschreibung | Quellen |
@@ -219,3 +219,4 @@
 | `raw/youtube/2026-06-24_alex-finn-hermes-agent-v0170-reach.md` | youtube | The new Hermes Agent update has me speechless.... — Alex Finn Walkthrough von Hermes Agent v0.17.0 ("Reach Release") |
 | `raw/youtube/2026-06-24_peter-yang-hermes-full-course.md` | youtube | Hermes Full Course: Build Your 24/7 AI Chief of Staff in 45 Minutes (Peter Yang, 24.06.2026) |
  | `raw/other/2026-06-25_ome22-ki-nacht-agenten-architektur.md` | other | OME22 — KI-Nacht & Agenten-Architektur: Der Realitätscheck (NotebookLM-Infografik: Hannover-Rechenzentrum, lokale Agenten, 66% Misserfolgsquote, Pluribus, OpenClaw, Guardrail-Dilemma) |
+ | `raw/blog/2026-06-25_binaryverseai-qwen-agentworld.md` | blog | BinaryVerse AI: Qwen AgentWorld Explained — Predict Before Agents Act (AgentWorldBench scores, CPT/SFT/RL pipeline, 7 domains, GUI text representation) |

wiki/log.md

@@ -2,6 +2,18 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+ ## [2026-06-25] Ingest | BinaryVerse AI — "Qwen AgentWorld Explained: Predict Before Agents Act" (Blog-Ingest, Augmentation bestehender Wiki-Seite)
+ **Type:** ingest | **Scope:** raw/blog, wiki/concepts
+ **Source:** Blog — https://binaryverseai.com/qwen-agentworld-language-world-model/
+ **Trigger:** Wikify-Subagent für Qwen-AgentWorld Blog-Post. Augmentation der bestehenden `concepts/world-model-rl-training.md` (erstellt aus Sam Witteveen YouTube-Video am selben Tag).
+ **Actions:**
+ - raw: `raw/blog/2026-06-25_binaryverseai-qwen-agentworld.md` (created — 2.6 KB; Frontmatter + Key Takeaways: Language World Model Konzept, 7 Domänen, CPT/SFT/RL Pipeline, 10M+ Trajektorien, AgentWorldBench scores, GUI text representation, Modell-Varianten, Links)
+ - wiki: `concepts/world-model-rl-training.md` (updated — AUGMENTIERT, nicht überschrieben. Neue Sektionen: Training Pipeline mit 3 Phasen [CPT injects / SFT activates / RL sharpens], 7 Domänen Tabelle, GUI-Domänen Erklärung, Modell-Varianten Tabelle, AgentWorldBench Score-Tabelle mit 6 Modellen + Key Observations. Frontmatter sources um blog-Quelle erweitert, tags um agentworldbench/mcp/gui-automation erweitert. Stand-Quelle um BinaryVerse AI Blog ergänzt. Alle bestehenden Sektionen [Kernidee, Pipeline, Warum bedeutsam, JEPA-Debatte, AGI-Pfade, Offene Fragen, Externe Quellen, Cross-Refs] beibehalten und teils erweitert.)
+ - wiki: `index.md` (updated — Header auf "34. Update", World-Models-Zeile aktualisiert mit Blog-Quelle + erweiterter Beschreibung, neuer Raw-Sources-Eintrag)
+ - log: updated (dieser Eintrag)
+ **Hector-Hauptthese:** Der BinaryVerse-Blog liefert die quantitativen Details, die im Sam Witteveen Video-Ingest fehlten: AgentWorldBench scores (397B schlägt GPT-5.4 mit 58.71 vs 58.25), die dreiphasige Training-Pipeline (CPT/SFT/RL), 10M+ Trajektorien, und das wichtige Detail dass GUI-Domänen als strukturierter Text (HTML/Accessibility Trees/XML) repräsentiert werden — keine Pixel. Besonders die Benchmark-Tabelle zeigt: Der AgentWorld-Training-Pipeline (nicht die Modellgröße) liefert den größten Teil des Gewinns — Qwen3.5-35B-A3B ohne World-Model-Training fällt auf 47.73, während die AgentWorld-Variante 56.39 erreicht (+8.66 Punkte allein durch das Training). Dies ist ein starkes Argument für die "dritte Trainingsschiene" These.
+ **Subagent-Modell:** ollama/glm-5.2:cloud
+
  ## [2026-06-25] Ingest | OME22 — "KI-Nacht & Agenten-Architektur: Der Realitätscheck" (NotebookLM-Infografik)
 **Type:** ingest | **Scope:** raw/other, wiki/events
 **Source:** NotebookLM-Infografik — https://notebooklm.google.com/notebook/32e1a77e-b07f-4ed3-ae41-2a89c6832e15?authuser=1