# 一句话生成3D游戏且直替Claude Code！至知创新重磅开源320B Agent大模型IQuest-Q1：单Token激活15B、首创MOPD多教师在线蒸馏与NL2Repo登顶全景实测拆解

- Link: https://paooo.com/ai-tool/40623/
- Published: 2026-11-01T20:07:14+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 320B 稀疏 MoE 仅激活 15B 参数，兼顾低推理成本与强推理能力。
 * MOPD 多教师在线蒸馏把 4 类 [Agent](https://paooo.com/trends/) 专家能力折叠进单一
   模型。
 * NL2Repo 实测 63.0 分，支持仓库级生成、3D 前端直出与终端自诊断。

> **💡 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。

阅读目录

 * [一、 架构范式跃迁：320B 总参与 15B 极致稀疏 MoE 激活机制](https://paooo.com/ai-tool/40623/#%e4%b8%80-%e6%9e%b6%e6%9e%84%e8%8c%83%e5%bc%8f%e8%b7%83%e8%bf%81320b-%e6%80%bb%e5%8f%82%e4%b8%8e-15b-%e6%9e%81%e8%87%b4%e7%a8%80%e7%96%8f-moe-%e6%bf%80%e6%b4%bb%e6%9c%ba%e5%88%b6)
 * [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？](https://paooo.com/ai-tool/40623/#%e4%ba%8c-mopd-%e5%a4%9a%e6%95%99%e5%b8%88%e5%9c%a8%e7%ba%bf%e8%92%b8%e9%a6%8f%e5%a6%82%e4%bd%95%e5%b0%86-4-%e5%a4%a7%e5%9e%82%e7%9b%b4%e4%b8%93%e5%ae%b6%e6%8a%98%e5%8f%a0%e4%b8%ba%e5%8d%95%e4%b8%80)
 * [三、 软件工程与真实终端闭环：NL2Repo 斩获 63.0 分与 3D 前端直出](https://paooo.com/ai-tool/40623/#%e4%b8%89-%e8%bd%af%e4%bb%b6%e5%b7%a5%e7%a8%8b%e4%b8%8e%e7%9c%9f%e5%ae%9e%e7%bb%88%e7%ab%af%e9%97%ad%e7%8e%afnl2repo-%e6%96%a9%e8%8e%b7-630-%e5%88%86%e4%b8%8e-3d-%e5%89%8d%e7%ab%af%e7%9b%b4%e5%87%ba)
 * [四、 IQuest-Q1 与主流 Agent 模型全维核心指标对比](https://paooo.com/ai-tool/40623/#%e5%9b%9b-iquestq1-%e4%b8%8e%e4%b8%bb%e6%b5%81-agent-%e6%a8%a1%e5%9e%8b%e5%85%a8%e7%bb%b4%e6%a0%b8%e5%bf%83%e6%8c%87%e6%a0%87%e5%af%b9%e6%af%94)
 * [五、 生产实战：基于 SGLang 部署与无缝接管 Claude Code](https://paooo.com/ai-tool/40623/#%e4%ba%94-%e7%94%9f%e4%ba%a7%e5%ae%9e%e6%88%98%e5%9f%ba%e4%ba%8e-sglang-%e9%83%a8%e7%bd%b2%e4%b8%8e%e6%97%a0%e7%bc%9d%e6%8e%a5%e7%ae%a1-claude-code)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/ai-tool/40623/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

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%。

![IQuest-Q1 开源 Agent 基础模型官方评测与架构全景](https://paooo.com/wp-content/
uploads/2026/11/sre-curated-1793534821624-695.avif)

## 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](https://paooo.com/ai-study/)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）**：

 1. **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；
 2. **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；
 3. **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](https://paooo.com/aigc-news/) 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：

    ```bash
    # 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="https://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。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**Claude Code ↗**

Claude Code：人工智能安全和研究公司，面向AI 编程辅助场景提供便捷实用的在线功能支持，
涵盖AI编程等

**Claude ↗**

Anthropic 打造的新一代安全人工智能模型，具备超长上下文理解能力，最强代码伴侣。

**腾讯混元 ↗**

腾讯混元大模型是腾讯研发的具备跨领域知识和自然语言理解能力的大语言模型。

❓ 常见问题解答（FAQ）

IQuest-Q1 适合做什么？

它主要面向自主编程与智能体场景，擅长 CLI 工具调用、多文件仓库构建、代码重构和报错
自愈，也能直接生成可运行的前端项目与 3D 交互页面。

IQuest-Q1 的核心技术亮点是什么？

核心亮点是 320B 稀疏 MoE 架构，单 Token 仅激活约 15B 参数；同时引入 MOPD 多教师在
线蒸馏，把多种 Agent 专项能力整合到一个模型中。

IQuest-Q1 能替代 Claude Code 吗？

文章给出的定位是可直替 Claude Code 的开源 Agent 底座，并提供 OpenAI 标准兼容接口
与 Claude Code 兼容能力，适合本地或私有云接管智能体工作流。

🔬 语宙深潜追问 · 进阶实操拆解

NL2Repo 真正考验模型什么能力？

考验的不只是代码生成，而是仓库级理解、依赖推理、文件定位和错误自愈。模型要能读懂
项目结构、修改多文件并保持可运行，单次得分高不代表能稳定完成真实工程任务。

单Token低激活如何影响部署成本？

低激活意味着推理时只动用部分参数，能显著降低算力和延迟，适合高并发 Agent 场景。但
要关注路由质量、激活稳定性和长任务一致性，否则省下的成本可能被返工和失败重试抵消。

🗳️ 读者观点微投票 · 您的实战立场是？

320B Agent 模型真能替代 Claude Code 吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[💻 所属权威专题：Claude & AI 编程 / MCP →](https://paooo.com/topics/claude-mcp-coding/)

 * [阿里开源Qwen3.6-35B-A3B：3B激活参数超越27B，MoE架构编程与多模态新标杆](https://paooo.com/aigc-news/10944/)
 * [180B 参数激活仅 6B！基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash：首创“第二圈”递归自我改进闭环、ALE 飙升 9.2 分与 NL2Repo 软件工程实测全景拆解](https://paooo.com/ai-tool/41690/)
 * [Qwen3-Coder-Next：阿里通义千问开源80B参数MoE编程智能体，SWE-Bench解决率超70%！自动写代码、修Bug、部署测试，开启AI编程新范式](https://paooo.com/aigc-news/11511/)
 * [智谱GLM-4.5开源SOTA模型发布：MoE架构引领效率革命，价格仅Claude十分之一](https://paooo.com/aigc-news/14366/)

🌐 English Executive Summary — IQuest-Q1 Open-Source 320B Sparse MoE Agent: 15B 
Per-Token, NL2Repo 63

Zhizhi Innovation released IQuest-Q1, an open-source 320B sparse MoE agent model
designed for terminal automation, repository-level development, and self-diagnosis.
It activates only ~15B parameters per token and introduces MOPD multi-teacher online
distillation to consolidate four agent expert capabilities into one model. In comprehensive
real-world testing, IQuest-Q1 scores 63.0 on NL2Repo and can directly generate 3D
front-end projects while remaining compatible with Claude Code and OpenAI Codex 
workflows.

 * Sparse MoE design activates ~15B parameters per token to balance low inference
   cost with strong reasoning.
 * MOPD multi-teacher online distillation compresses multiple agent expert skills
   into a single model.
 * NL2Repo benchmark reaches 63.0, enabling repository-scale generation and direct
   3D front-end output.

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/ai-tool/40623/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
