Qwen abre RecreationWorld para treinar agentes que reconstroem apps

O que é o RecreationWorld

A equipe do Qwen lançou o RecreationWorld, framework de código aberto sob licença MIT hospedado no GitHub (organização QwenLM), voltado ao estudo e aprimoramento de agentes híbridos de uso do computador (computer-use). Um agente híbrido, no projeto, é aquele que alterna autonomamente três modos: exploração de interface gráfica (GUI), implementação com ferramentas de código e verificação visual do próprio produto em execução.

Como funciona o fluxo de recriação

Cada tarefa fornece ao agente uma solicitação de alto nível, acesso interativo a uma aplicação de referência em execução e ferramentas de controle de GUI e de desenvolvimento de software. O agente decide quando explorar a referência, implementar o código-fonte, compilar e lançar sua versão candidata, inspecionar o resultado e revisá-lo, formando um ciclo recorrente de explorar–implementar–verificar, em vez de uma sequência fixa de etapas.

A avaliação usa um conjunto congelado de asserções programáticas e visuais validadas contra a referência. A pontuação depende do comportamento observável, não da similaridade do código-fonte, o que permite implementações livres em diferentes linguagens, frameworks e arquiteturas.

RecreationBench e resultados

O projeto inclui o RecreationBench, com 250 tarefas reservadas (held-out) e avaliação programática e visual ancorada na referência. As tarefas se distribuem em cinco plataformas, 50 em cada: Ubuntu (interface AT-SPI), macOS (AXUIElement), Windows (UI Automation), Android (UiAutomator) e Web (asserções de navegador). Os pacotes de tarefas congelados estão no Hugging Face e no ModelScope.

Na tabela de resultados publicada no README, com médias macro por plataforma e peso igual entre plataformas, o GPT-6 Astra lidera com 58,06% de média (17,60% dos aplicativos com Prog ≥90% e 2,80% com 100%), seguido por Claude Opus 5 (44,16%), GPT-5.6 Sol (42,06%), Grok 4,6 (36,73%) e Qwen3.8-Max-0902 (34,80%). O custo estimado por tarefa varia de US$ 1,23 (Qwen3.7-Plus, com 9,15%) a US$ 117,17 (Claude Opus 5). Nenhum modelo atingiu 100% de Prog em mais de 2,8% dos aplicativos.

Disponibilidade

O repositório contém os diretórios providers, scripts, o benchmark em src/recreation_bench e o índice canônico de tarefas em tasks/. A instalação usa uv, com verificações offline (smoke_providers e smoke_runtime) que dispensam dados de benchmark ou credenciais. O contato indicado é por e-mails do domínio alibaba-inc.com. A citação acadêmica associada lista um artigo com preprint no arXiv e um número extenso de autores do time do Qwen.