摘要
qwen3-runtime 是专为 Agentic RL 轨迹生成设计的 Qwen3 推理层，在多轮工具调用之间保留 KV 与采样状态，降低 pause/resume rollout 的重复计算。
核心内容
基本信息
- 实体类别：Agentic RL rollout inference runtime。
- 关键名称或版本：当前主分支；Apache-2.0；尚无 GitHub Release。
- 时间范围：2026-08-28 创建并推送；2026-09-03 核实。
重要事实
- 核实时为 56 stars；当前浅克隆约 143 个文件、1 个 workflow 和 48 个测试文件，最近 CPU Actions 成功。（来源：历史会话中的 Agent 工程开源项目回溯）
- 每轮生成结束后 session 进入 paused 状态；工具执行完成后只 prefill 新 action token 与 observation，同时保留 temperature、top-k/top-p、stop 和 RNG 语义。（来源：历史会话中的 Agent 工程开源项目回溯）
- planner、tool、environment、trajectory store、reward 和 trainer 都明确在项目边界外，因此它不是完整 RL 框架。（来源：历史会话中的 Agent 工程开源项目回溯）
关系与影响
qwen3-runtime 可服务 prime-rl、RLinf、LoongSage 等训练系统的 rollout 层，并为 trajectory cost、尾延迟和 GPU-hour 提供更合适的计量视角。
分歧与变化
历史会话记录了项目给出的 175 pass / 16 resource skip，但未在缺少 torch/CUDA 的本机复跑。
相关页面
- 概念：Agentic RL、Harness Engineering、Execution-Based Agent Evaluation
- 实体：prime-rl、RLinf、LoongSage
- 主题：Agent Harness 与 Agentic RL 开源生态
来源
待核实问题
- 需在真实工具调用 workload 上复现 pause/resume 等价性、吞吐和内存收益。