至知创新研究院发布 IQuest-Q1：320B 总参数稀疏 MoE 模型
至知创新研究院发布 IQuest-Q1 模型，重点不在参数规模，而是能交付可验证成果：从生成可玩游戏到排查 RL 训练数据里的隐藏 bug。
IQuest-Q1 是一款 decoder-only Transformer 主干加稀疏 MoE（混合专家，每次只激活部分参数以省算力）的模型，总参数约 320B，激活约 15B。实测中它能用一句 Prompt 生成可直接在手机浏览器里玩的 HTML 小游戏，还从 RL 训练日志里查出一个多余空格导致的训练失效问题。
正文摘录
星空下，一辆白橙色的反重力赛车如利刃出鞘，猛地切进弯道，丝滑拐弯，在赛道上拖拽出一道道冰蓝光带，溅起金黄色的摩擦星火，直至冲线。 这可不是好莱坞特技大片，而是我用 IQuest-Q1 模型搓出来的沉浸式反重力竞速游戏。 它既能 凭一句 Prompt 原地打造一款炫酷游戏，也能 把十万步三体方程解成克林姆特笔下流淌的金色丝线，甚至还能 从 RL 训练数据里揪出隐藏空格 bug，让模型重回训练正轨。 它在仓库级代码生成 NL2Repo、网络安全基准 CyberGym、终端 Terminal-Bench 2.1、代码长程任务 DeepSWE v1.1、办公场景 JobBench 等复杂任务评测中均表现不俗。 那么 IQuest-Q1 究竟是一款怎样的模型？它具体能帮我们做些什么？它诞生的研究土壤是怎样的？ IQuest-Q1 采用了 decoder-only Transformer 主干，配 稀疏 MoE 架构，总参数约 320B，激活参数约 15B。 这意味着，它虽然体量看起来像个 “沉睡的绿巨人”，但稀疏激活一上线，便能立马化身 “精准点穴的叶问”，每一分算力都点在关键的穴位上，一点都不带浪费。 更有意思的是，我们从 IQuest-Q1 官宣的少量文字中察觉到，模型亲自参与了自身的研发迭代。 一旦它提出的研发方案被人类研究者们拍板通过，那么验证过的模型更新、训练资产和研究流程，便会直接流进下一轮迭代，被后续版本接着用。 而每一轮攒下来的数据流程、训练配置、评估方法和工具，也会像滚雪球一样越滚越大，直接转化为后续版本可复用的研发资产。 第一题，我直接让 IQuest-Q1 给国庆不想出门人挤人、SAN 值狂掉的我，搓个 《国庆卧室保卫战》小游戏。