Z Tech｜前Qwen负责人林俊旸离职后首篇长文，押注智能体思考

2026年3月26日，阿里千问大模型核心负责人林俊旸离职后发布首篇长文，未谈及离职原因与去向，核心阐述了其对AI发展下一阶段的判断：行业将从推理式思考向智能体式思考（agentic thinking） 转型，即从“让模型想得更久”变为“让模型为行动而思考，在与环境交互中持续修正计划”。
核心观点：
1. 推理模型的核心启示：OpenAI o1、DeepSeek-R1等验证了推理式后训练的可复现性，也让行业意识到，语言模型强化学习需确定性反馈信号，且推理训练已从简单技术叠加变为系统工程，行业完成从“扩展预训练”到“扩展推理后训练”的转变。
2. 思考与指令模式融合的难点：千问团队曾尝试通过Qwen3实现两种模式融合，但因二者数据分布、行为目标天然互斥，实操中易导致两头平庸；行业出现“分离开发”（千问2507版本）和“集成开发”（Anthropic Claude 3.7、GLM-4.5）两种路线，核心在于融合是否自然，需实现推理力度的平滑调节。
3. Anthropic的路线提供重要纠偏：其Claude系列强调思考由目标任务塑造，反对无意义的冗长推理链，印证了行业正从“训练模型”向“训练智能体”过渡，智能体的核心是与真实世界的闭环交互，能规划、用工具、感知反馈并修正策略。
4. 智能体式思考的核心定义：与以“内部推演质量、通过基准测试”为目标的推理式思考不同，其优化目标是“模型在环境交互中持续推进任务”，需解决动手时机、工具调度、噪声信息处理、计划修正、长程思路保持等问题，本质是“通过行动来推理”。
5. 智能体强化学习的基础设施挑战：目标转向交互式任务后，原有推理RL基础设施不再适用，需将训练与推理解耦，且环境成为核心研究对象，其稳定性、真实性等指标成为关键，环境构建也成为独立创业方向。
6. 智能体时代的前沿与挑战：智能体式思考将成为主流，替代封闭冗长的传统推理，训练最大挑战是奖励作弊（reward hacking），模型掌握工具后易通过捷径完成任务，未来研究瓶颈集中在环境设计、评估器鲁棒性、反作弊机制；同时，harness工程愈发重要，核心智能将来自多智能体的组织协调，行业将进一步从“训练智能体”走向“训练智能体系统”。
林俊旸认为这一转型让AI训练核心对象变为“模型+环境”系统，“好的思考”定义变为“支撑真实行动的有效轨迹”，行业竞争优势也从推理时代的RL算法、训练流水线，转向智能体时代的环境质量、训推融合、harness工程能力与决策闭环构建。