新智元报道
新智元报道
昨日凌晨，开源大模型领域迎来重磅更新：由中国团队至知创新研究院（IQuest Research）研发的320B参数模型IQuest-Q1正式开源。在九月全球大模型密集发布的激烈竞争中，该模型凭借在代码生成、安全漏洞挖掘及长程复杂任务处理上的优异表现脱颖而出。
不仅评测数据亮眼，实测显示IQuest-Q1在自主排查训练故障、城市交通调度、仓储物流优化及前端代码生成等实际场景中展现出强大的Agent能力。
自主Debug：从“幽灵空格”到性能跃升
研发团队在强化学习训练中曾遭遇得分曲线停滞的“哑巴Bug”，系统无报错但分数不再增长。传统排查需工程师耗费数通宵分析日志，而此次交由IQuest-Q1自主诊断。
模型深入分析训练日志、对话记录及代码后，定位到推理服务在将输出转回文字时多插入了一个空格。这一微小差异导致训练系统误判历史记录，切断了连贯对话的学习链路，致使大部分数据失效。
修复该设置后，模型平均得分从0.704提升至0.769，后期进一步升至0.799。整个排查与修复过程由模型独立完成，展现了其深度理解系统逻辑的能力。
IQuest-Q1查完问题后自己做的分析页，第二页标出了那个多出来的空格，最后一页是修好后的得分曲线
技术架构：稀疏MoE与多教师蒸馏
IQuest-Q1采用稀疏混合专家（MoE）架构，并在训练策略上引入多教师在线策略蒸馏（MOPD）技术。该技术邀请四位各有所长的“教师”模型，针对学生模型的错题进行针对性批改，而非简单提供标准答案，从而高效修正模型弱点。
IQuest-Q1的训练流程，依次是预训练、中期训练、监督微调、强化学习加MOPD，最后把几个模型合并成一个
得益于该架构，IQuest-Q1在NL2Repo（从零构建代码库）、CyberGym（真实环境漏洞挖掘）、Terminal-Bench 2.1及JobBench等专业基准测试中均取得领先成绩。
实战测试：复杂场景下的智能调度
交通信号优化：打造全城“绿波”
在模拟小城早高峰的测试中，面对6个十字路口及紧急救护车通行需求，IQuest-Q1摒弃了固定配时方案，构建了动态“绿波”带。
模型计算出车辆通过路口耗时约18秒，据此错开相邻路口绿灯启动时间，实现车队一路绿灯通行。针对南北向车流，模型进一步将后排路口信号整体推迟18秒，形成双向协调。对于救护车，模型实施优先策略，使其经过路段全切绿灯。
结果显示，车辆平均等待时间从6分钟大幅压缩至22秒，救护车穿城时间从近4分钟缩短至1分钟出头，且全程零事故。
IQuest-Q1做交通题的工作记录，先做出东西向绿波，再把两排路口错开18秒
仓储物流调度：破解双11爆单死局
在电商仓库模拟中，8台机器人需应对双11期间420单的极限压力及通道临时封闭情况。初始朴素调度导致机器人严重拥堵。
IQuest-Q1通过分析运行日志，识别出两大核心问题：窄通道迎面碰撞及打包台占用阻塞。模型制定了避让规则，并优化空车撤离逻辑，彻底理顺动线。
在复测中，模型实现全程零撞车。面对超出运力极限的爆单场景，IQuest-Q1完成了87%的订单送达，远超朴素调度的几十单。在通道封闭突发状况下，模型能迅速重新规划路径，确保持续作业。
IQuest-Q1做仓管题的工作记录，它打印出8台车的位置，一步步找到堵死打包台的原因
中途临时封掉一条通道，红色是封闭路段，左边是朴素调度，右边是IQuest-Q1
双11爆单，左边是朴素调度，右边是IQuest-Q1，顶部卡片实时显示送达的单数
电梯群控策略：提升早晚高峰效率
针对24层写字楼4部电梯的调度难题，IQuest-Q1发现早高峰运力瓶颈在于电梯满载率不足。模型优化策略为：空梯在大堂等候直至满载或达到阈值再出发，最大化单次运力。
晚高峰下行时，模型采用“高层优先、顺路接人”策略，并预留低楼层空间以避免“吃独食”现象。复测数据显示，晚高峰准点率从26%提升至61%，平峰期从70%升至88%。
晚高峰同一批下班的人，左边是最简单的派梯方式，右边是IQuest-Q1，楼顶卡片实时显示准点率
前端生成：代码构建江南水乡
在前端开发能力测试中，IQuest-Q1仅凭单个HTML文件，不依赖外部图片资源，生成了数千行代码的复杂应用。
其作品“二十四节气水乡”通过代码绘制白墙黛瓦、积雪屋顶及动态天气变化；“山海·墨舞”则是一款水墨风格弹幕游戏，包含宣纸底色、异兽墨点特效及代码合成的五声音阶背景音乐，展现了极高的代码生成质量与艺术表现力。
「二十四节气水乡」，一年24个节气在同一幅画里流转，左上角大字标出当前节气
大雪时节，屋顶和马头墙积了雪，深蓝夜空下亮起红灯笼
「山海·墨舞」的宣纸底色、水墨远山和朱红落日，仙鹤射出的箭羽击中妖兽后溅开墨点，右侧竖排计分和连斩
「烛龙将至」，Boss登场放出朱砂弹幕，通关后盖上一枚朱印「胜」
结语：AI价值在于解决实际问题
从自主Debug到多场景智能调度，IQuest-Q1展现了“发现问题-分析根因-迭代优化”的稳定执行能力。随着320B参数模型的开源，AI正从单纯的文本生成向解决复杂实际任务演进，其应用价值日益凸显。
模型权重已全面开源：
GitHub：https://github.com/IQuestLab/IQuest-Q1
Hugging Face：https://huggingface.co/IQuestLab/IQuest-Q1
Blog：https://iquestlab.github.io/
编辑：所罗门 摩西
