AgentWorld löst Aufgaben nicht selbst, sondern sagt voraus, wie eine Umgebung auf einen Werkzeugaufruf reagieren würde. Ein Modell deckt laut Alibaba sieben Bereiche ab: MCP, Suche, Terminal und SWE sowie Web, Betriebssystem und Android. So lassen sich Agentenläufe schneller und mit geringerem Risiko evaluieren.
Alibaba veröffentlichte außerdem das Mixture-of-Experts-Flaggschiff 397B-A17B mit rund 17 Milliarden aktiven Parametern und die offene 35B-A3B-Variante mit rund drei Milliarden aktiven Parametern. Beide haben 256.000 Token Kontext. Das Training nutzte laut Anbieter mehr als zehn Millionen Interaktions-Trajektorien.
Im hauseigenen AgentWorldBench erreichte 397B einen Mittelwert von 58,71 und die offene Variante 56,39. Alibaba vergleicht sie dort unter anderem mit GPT-5.4 und Claude Sonnet 4.6. Dieser Benchmark ist Anbieter-eigen und kein unabhängiges Ranking; belastbar ist vor allem der Infrastrukturansatz und die offene 35B-Verfügbarkeit.