至知創新研究院開源 320B MoE 模型 IQuest-Q1：啟動參數 15B，可精準定位 RL 訓練 Bug 並支援 Prompt 直出遊戲

據報導，至知創新研究院（IQuest Research）發布並開源 320B 稀疏 MoE 模型 IQuest-Q1。該模型採用 decoder-only Transformer 主幹，總參數約 320B，啟動參數約 15B。官方指出，IQuest-Q1 具備參與自身研發迭代的能力，其提出的研發方案經人類確認後，相關模型更新、訓練配置與評估方法可直接轉化為後續版本的研發資產。 在評測方面，IQuest-Q1 於儲存庫級程式碼生成 NL2Repo、網路安全基準 CyberGym、終端 Terminal-Bench 2.1、程式碼長程任務 DeepSWE v1.1 及辦公場景 JobBench 等基準中均有不俗表現。 實測案例顯示其具備強大的工程排錯與生成能力： - **RL 訓練除錯**：在官方實測中，IQuest-Q1 基於 Claude Code CLI 框架分析日誌與軌跡，成功定位導致 RL 訓練 Reward 曲線異常的 Bug，查出是推理服務在文本解碼時額外插入空格，導致前綴匹配斷裂與多輪生成中斷。 - **程式碼與運算**：可透過 Prompt 直接生成能在手機運行的 HTML 遊戲（如反重力競速遊戲），並能在 10 萬步以內數值求解三體問題運動方程。 此外，IQuest Research 團隊近期亦參與提出 ModularRSI 自進化框架，將 Agent 在 Terminal-Bench 2.0 和 SWE-Bench Verified 的準確率分別提升至 52.43% 與 76.45%。