文婷 发自 凹非寺
量子位 | 公众号 QbitAI
别眨眼。
星空下，一辆白橙色的反重力赛车如利刃出鞘，猛地切进弯道，丝滑拐弯，在赛道上拖拽出一道道冰蓝光带，溅起金黄色的摩擦星火，直至冲线。
这可不是好莱坞特技大片，而是用IQuest-Q1模型生成的沉浸式反重力竞速游戏。
该模型既能通过一句提示词（Prompt）生成炫酷游戏，也能将十万步三体方程求解过程可视化，甚至能从强化学习（RL）训练数据中揪出隐藏的空格Bug，让模型重回训练正轨。
△数值求解三体问题运动方程实测（10万步以内）
从基准测试（Benchmark）表现来看，IQuest-Q1成绩优异。它在仓库级代码生成（NL2Repo）、网络安全基准（CyberGym）、终端任务（Terminal-Bench 2.1）、代码长程任务（DeepSWE v1.1）及办公场景（JobBench）等复杂评测中均表现不俗，在同参数量模型中极具竞争力。
320B参数仅激活15B：模型尝试自主完成研发闭环
IQuest-Q1采用decoder-only Transformer主干搭配稀疏MoE架构，总参数约320B，激活参数约15B。这种设计使其在保证庞大知识容量的同时，实现高效算力分配，每一分算力都精准作用于关键任务。
值得注意的是，模型参与了自身的研发迭代。一旦其提出的研发方案通过人类研究者验证，相关的模型更新、训练资产和研究流程将直接流入下一轮迭代。积累的数据流程、训练配置、评估方法和工具转化为可复用的研发资产，形成滚雪球效应。
实测：从生成小游戏到修复RL训练故障
实测一：生成《国庆卧室保卫战》小游戏
测试中，仅使用一段约200字的提示词，IQuest-Q1便生成了一个可在竖屏手机运行的HTML游戏《国庆卧室保卫战》。游戏针对假期居家的心理状态，设置了独特的NPC设定和血条机制。
玩家可使用枕头作为武器对抗代表坏情绪的怪兽，击中后回血方式包括躺平休息等。游戏结束后，系统会随机推荐如喝奶茶、看电影等“今日目标小彩蛋”，并提供一键保存战果功能。
实测二：定位RL训练中的空格故障
在更硬核的工程测试中，研究人员将RL训练中Reward曲线异常的问题交给IQuest-Q1。模型基于Claude Code CLI框架分析训练日志、落盘轨迹并反向追查代码库。
最终，模型定位到故障原因：RL框架接入Scaffold时，推理服务在文本解码环节额外插入了一个空格。这个微小的空格导致模型生成文本与回传历史错位，引发前缀匹配断裂和多轮生成中断。
IQuest-Q1及时发现并修复该Bug，使训练恢复正常。
△修复后的Reward曲线，实测源自官方Blog
从创意生成到工程排错，实测表明IQuest-Q1具备稳定交付经得起查验成果的能力。
研发团队至知创新研究院的技术积淀
IQuest-Q1由至知创新研究院（IQuest Research）研发。该团队近期成果频出：
- 7月至8月，提出MuonH优化、UBio-MolFM和稀疏权重分解等研究成果，夯实模型训练基础。
- 本月16日，参与提出的ModularRSI自进化框架登上Hugging Face日榜第二。该框架将Agent在Terminal-Bench 2.0和SWE-Bench Verified的准确率分别提升至52.43%和76.45%，有效解决了自改进中的信用分配与泛化难题。
IQuest Research团队的核心目标是让AI能够正确完成复杂任务，并使每一次交付成为下一次进化的起点。
参考链接：
GitHub：https://github.com/IQuestLab/IQuest-Q1
[2]Hugging Face：https://huggingface.co/IQuestLab/IQuest-Q1
[3]Blog：https://iquestlab.github.io/
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —