💡 站外导读：在自主编程与智能体（Agent）领域，开发者往往面临着两难困境：要么使用昂贵且被厂商强绑定的闭源商业模型（如 Claude 3.7 / Opus 系列），要么使用通用开源模型但在复杂 CLI 工具调用、多文件仓库构建与异常自愈上频频翻车。至知创新研究院正式开源专精于终端与智能体作业的基础模型 IQuest-Q1。该模型基于 320B 稀疏 MoE 架构（单 Token 仅激活 15B），创新性地引入了 MOPD（Multi-Teacher Online Policy Distillation）多教师在线蒸馏机制，并深度适配了 Claude Code 与 OpenAI Codex 体系，在保持极低推理成本的同时，实现了仓库级开发与环境自诊断的工业级闭环。
一、 架构范式跃迁：320B 总参与 15B 极致稀疏 MoE 激活机制
在生产级智能体工程落地中，长时程、多步骤的任务交互对模型的推理吞吐和显存占用提出了苛刻要求。如果每一次 Tool-call、每一次读写文件都激活数百亿甚至数千亿参数，其推理开销将成为不可承受之重。
IQuest-Q1 采用了 Decoder-only Transformer 配合稀疏混合专家（Sparse MoE）架构设计：
- 极致的稀疏路由激活比：虽然模型总参数量高达 320B（具备庞大的世界知识和逻辑表征容量），但在处理每个 Token 时，路由网络仅激活约 15B 参数，使单步推理算力开销直接压低至轻量小模型水准；
- 三阶段分步演进管线：从预训练阶段沉淀通用 STEM 知识，到中期训练引入海量代码与长上下文 Agent 轨迹，再到后训练阶段聚焦于真实的 CLI 终端操作与多文件重构；
- 低成本工业化落地：借由极低的激活参数，企业在 8 卡标准 GPU 服务器上即可跑通高吞吐的 Agent 并行集群，单任务成本较传统闭源旗舰压低超 80%。
二、 MOPD 多教师在线蒸馏：如何将 4 大垂直专家折叠为单一模型？
传统大模型在微调智能体能力时，往往容易陷入“学会了调工具却退化了长文本推理”的灾难性遗忘。IQuest-Q1 团队提出了一套开创性的训练技术——MOPD（Multi-Teacher Online Policy Distillation，多教师在线策略蒸馏）：
- 四维专项强化学习专家培养：针对“智能体交互体验”、“多 Harness 跨框架协作”、“长程复杂任务推进”和“通用 Agent 工具流”分别训练出 4 个各怀绝技的 Teacher 模型；
- 学生模型自轨迹对齐：以 SFT 检查点初始化的 Student 模型在自己的真实探索轨迹上学习，4 位专业教师针对不同维度逐 Token 进行置信度打分与梯度引导；
- 分阶段稳定模型合并：通过渐进式的权重几何投影与稳定合并算法，成功将 4 位独立专家的异构能力无损折叠进单一的 IQuest-Q1 底座中，彻底攻克了多任务冲突难题。
三、 软件工程与真实终端闭环：NL2Repo 斩获 63.0 分与 3D 前端直出
不同于多数仅擅长“单文件函数补全”的 Coding 模型，IQuest-Q1 从立项之初就聚焦于“端到端项目级交付”：
- 仓库级生成斩获 63.0 分：在权威的 NL2Repo 基准评测中，IQuest-Q1 拿下 63.0 分，力压 DeepSeek-V4-Pro 与腾讯混元 Hy4，稳居全球开源模型第一梯队；
- 复杂交互与 3D 渲染一次性成型：根据自然语言需求，模型能直接生成包含 3D 空间、光影物理碰撞与交互逻辑的完整可运行前端项目（如 Three.js 体素城市、3D 赛车仿真等）；
- 自主异常修复与自诊断：在真实环境执行报错时，能够自主读取 stderr、分析堆栈并调用测试套件进行逐行排障，具备工业级闭环交付能力。
四、 IQuest-Q1 与主流 Agent 模型全维核心指标对比
| 对比维度 | IQuest-Q1 (至知创新) | DeepSeek-V4.1-Flash | Claude 3.7 Sonnet (闭源) |
|---|---|---|---|
| 架构与参数规模 | 320B 总参 / 15B 激活 (稀疏 MoE) | 高效 MoE 架构 | 前沿混合架构 (闭源未公开) |
| NL2Repo 仓库级生成 | 63.0 (开源第一梯队) | 61.5 (Pro 版) | 约 65~68 (闭源基准) |
| DeepSWE v1.1 软件工程 | 64.3% | 74.2% | 70.6% |
| CyberGym 网络安全防御 | 84.5% | 88.1% | 未公开该项基准 |
| 开源状态与协议 | 完全开源权重 / 提供官方 Docker | 权重开源 | 纯云端 API 闭源托管 |
| Claude Code 兼容性 | 原生兼容（提供一键 Drop-in 网关） | 需第三方适配网关 | 原生绑定 |
五、 生产实战：基于 SGLang 部署与无缝接管 Claude Code
IQuest-Q1 官方提供了完备的 OpenAI 标准兼容接口，开发者可以在本地或私有云集群中极速拉起，并直接将其作为智能体的主控大脑：
# 1. 使用 SGLang 启动 8 卡张量并行服务
python3 -m sglang.launch_server \
--model-path IQuestLab/IQuest-Q1 \
--tp 8 \
--host 0.0.0.0 \
--port 30000 \
--trust-remote-code \
--chat-template iquest
# 2. 在环境变量中无缝注入 Claude Code CLI
export ANTHROPIC_BASE_URL="http://127.0.0.1:30000/v1"
export ANTHROPIC_API_KEY="dummy-token"
# 3. 立即启动本地自治智能体编程
claude
📝 站长洞察 (Editor’s Insight)
过去业内普遍认为“Agent 能力是大模型通用智能涌现的副产物”，导致许多团队用数十倍算力训练千亿稠密模型来做代码补全和工具路由，造成了惊人的 Token 资源浪费。IQuest-Q1 的开源印证了一条全新的技术路径：通过多 Harness 合成环境下的强化学习与 MOPD 专家折叠蒸馏，仅凭 15B 的单步激活算力就能在 CLI 终端操作和仓库构建上超越通用庞然大物。更重要的是，它提供了完全无缝替换 Claude Code 的 OpenAI 兼容接口，打破了海外闭源大厂在开发者工作流上的生态护城河，是当前构建低成本、可私有化智能体研发中枢的最佳落地方案之一。
