AREX Feed Article
IQuest 发布并开源 320B 稀疏 MoE 模型 IQuest-Q1，SGLang 同日宣布 Day-0 支持
9 月 29 日，IQuest 通过官方 X 账号。这是一个稀疏 MoE（混合专家）模型，官方口径为约 320B 总参数、15B 激活参数，面向代码、软件工程与复杂 agentic（智能体）任务；技术报告、Hugging Face 模型权重和 GitHub 仓库随发布同步上线。
27 分钟后，开源推理引擎 SGLang 的对 IQuest-Q1 提供 Day-0 支持，即在模型发布当天即可用 SGLang 部署运行。SGLang 称它是「面向 CLI（命令行）agent 的开源稀疏 MoE 模型」，训练方式为 multi-harness RL（多 harness 强化学习）与多教师同策略蒸馏（MOPD）。
权重、模型卡、技术报告与 GitHub 仓库同日上线
把 IQuest-Q1 定义为面向 agentic coding（智能体编码）、推理与多步工具使用的 MoE 模型。页面上有完整规格表、训练与后训练流程图和性能图表，页面日期标注为 9 月 28 日。的标题是《IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems》，标注为 2026 年，没有精确日期；报告称模型在开发过程中也在人类监督下参与自身的改进。提供推理代码与示例。
报告对这类 CLI 系统的描述是：agent 要在命令行里完成一整条任务链，包括收集信息、调用工具、读取反馈以及从错误中恢复。
88 层、256 个专家与 512K 上下文
模型卡的规格表给出：88 层 Transformer、隐层维度 3,072；Q/KV 注意力头为 48/8、头维度 128；注意力采用 3 SWA + 1 FA 的混合模式，滑动窗口 4,096，Partial RoPE 维度 32；专家共 256 个，每 token 激活 8 个，稀疏性由此而来。MTP（多 token 预测）在训练阶段是 2 个独立层，推理阶段改为 1 个递归层、展开 8 次，推理时的 MTP 滑动窗口为 512。上下文长度为 524,288（512K）token。
在合成环境里训练，再用 MOPD 合并四个专家
报告把训练流程拆成几个阶段：预训练和中训练负责打底，把数据向代码与 STEM 倾斜、加入上下文更长的 agentic 轨迹，随后三个阶段构建 agentic 行为本身。
合成环境部分，任务是连同环境一起造出来的：通用 agent 任务基于真实 API、MCP 服务器与工作区文件，编码任务放在由代码仓库构建的可执行环境里。强化学习阶段，同一套策略在多个 harness 上训练，各 harness 保留自己的工具与上下文管理，让「在真实 agent 系统里工作」和「解决任务」一起被学会；训练前先做失败归因，只有策略自身的错误才成为学习信号。
RL 训练产出四个方向的专家：agentic 用户体验、多 harness 工作、长时程任务、通用 agentic 工作。MOPD 把它们合并进一个从 SFT（监督微调）检查点初始化的学生模型，学生模型在自己的轨迹上学习，由匹配的专家对每个 token 打分；最后用跨阶段、跨专家分支的稳定化模型合并，把各检查点折叠成 IQuest-Q1。
三类演示：修复多轮训练、飞书事故处置与生成式前端
报告用三组演示展示模型的实际工作方式，均为 IQuest 自报。
第一类是在 Claude Code 里排查并修复训练管线故障。模型把一条异常的奖励曲线定位到解码文本中多出的一个空格：解码阶段插入的多余空格破坏了前缀匹配，更早的对话轮次还留在上下文里，却从训练损失中丢失。修复方式是禁用注入的分隔空格、保留生成内容自身的空白，并让流式输出与存储文本保持一致；报告称多轮训练恢复，平均奖励回升。
第二类是办公场景。在模拟飞书（Feishu）工作区中，场景设定 Lanchuan Securities 于 10 月 22 日上报 API 返回了其他客户的数据；IQuest-Q1 扮演数据平台负责人，从三个群聊、制度文档和 Drive 草稿中重建事件，其间各方账号口径冲突、业务团队倾向只处理 Lanchuan 一家。它把事件定为 Level 1（37,214 次跨客户读取），并裁定必须通知全部 6 家受影响客户；交付物包括更新的外泄清单、排定的评审、报告、一份六页管理层材料和 7 项带负责人的整改任务，并用 11 条回执与一块进度板跟踪进展。任务分派曾因无效的 assignee ID 失败，模型读取命令帮助、从消息发送者把名字映射到 app_id，重新分派并回读验证。
第三类是网页生成。报告称 IQuest-Q1 能把文字简报转成可交互网页，范围包括游戏、个人工具、设计与排版、科学可视化。
对比 DeepSeek-V4-Flash/Pro：自报评测与复现口径
性能图的对比对象包括 DeepSeek-V4-Flash 与 DeepSeek-V4-Pro，模型卡注明两个参照分别为官方 0731 与 0813 版本；Humanity's Last Exam 为无工具成绩；IQuest-CLIBench 是 IQuest 自建的 CLI 用户体验基准。
模型卡交代了评测口径：有公开成绩的模型采用公开成绩，其余按各自基准的设置重新评测。agentic 编码任务用 mini-SWE-agent 跑 DeepSWE v1.1，其他任务用 Claude Code；Agents' Last Exam 使用 Claude Code 2.1.258。由于该模型没有多模态能力，对话中的多模态内容在分词时被替换成占位符。CyberGym 设 6 小时限时，Terminal-Bench 2.1 设 8 小时。为便于复现，模型卡建议使用 temperature 1.0、top-p 0.95、top-k 20，并选用 Claude Code 2.1.140 或 Codex 0.142 作为 harness。
这些分数与对比都来自 IQuest 自己发布的模型卡与技术报告；SGLang 的声明内容是部署支持。
部署路径与模型卡自己列出的限制
模型卡的部署部分把 SGLang 与 vLLM 列为推荐方案，并给出 IQuest 提供的两个预构建镜像：iquestlabworkspace/sglang-iquest-q1:cu130 与 iquestlabworkspace/vllm-iquest-q1:cu130。SGLang 镜像的启动参数包括 tp-size 8 的张量并行、bfloat16、fa3 注意力后端，以及 iquest_q1 工具调用解析器和推理解析器；使用递归 MTP 时配合 EAGLE 投机解码。接入 Claude Code 或 Codex 需要经过支持工具调用的网关，分别对应 Anthropic Messages API 与 OpenAI Responses API。
SGLang 推文下有一条来自开发者账号 ：在开启与关闭 EAGLE 的情况下，不同并发下的 p95 延迟和吞吐数据如何。
模型卡的 Limitations 一节写明：该检查点只支持文本输入，没有原生图像、音频、视频能力；生成的解释与代码可能出错，需要用测试验证；工具调用使用 IQuest 专属格式，需要兼容的解析器和 agent harness；真实 CLI 任务中它可能忽略约束、重复失败的尝试或留下未解决的问题，需要人工把关；模型仍处于早期阶段，能力与可靠性都有大量限制。
发布 IQuest-Q1 的 创建于 2026 年 2 月 20 日，目前关注者约 51 人。技术报告页面列出的 标注为 pending。