腾讯混元发布 T1：122B MoE 模型专攻长时程终端任务
Tencent-Hunyuan · hf · 2026-09-11
腾讯混元团队在 Hugging Face 发布 T1（T1: Terminal Agent Reinforcement Learning for Long-Horizon Tasks），一个 122B 参数的 MoE 模型，通过强化学习训练，在云端沙箱中执行长时程（long-horizon）终端任务。
官方称其依靠稳定的 actor-critic 优化与分布外（OOD）训练，在相关基准上取得 SOTA 成绩。
所属事件:腾讯混元发布 T1：RL 训练终端 Agent(2 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28