IQuest-Q1

IQuest-Q1 är en öppen modell från IQuest Research, byggd för agenter som arbetar via kommandoraden. Den ska klara både programmering och allmänna uppgifter: skriva kod, använda verktyg, kontrollera resultat och rätta sig själv när något går fel under långa arbetspass. Enligt IQuest har modellen också deltagit i sin egen utveckling under mänsklig övervakning.

Det är en MoE-modell med cirka 320 miljarder parametrar totalt, varav ungefär 15 miljarder används per token (8 av 256 experter). Den kan läsa 524 288 tokens (512k) på en gång och hanterar bara text. Träningen skedde i tre steg: förträning där andelen koddata ökades i andra halvan, mellanträning med bredare data och längre kontext, och efterträning med finjustering och förstärkningsinlärning i flera olika agentmiljöer, där expertmodeller sedan slogs ihop.

IQuest jämför främst med DeepSeek-V4-Flash och DeepSeek-V4-Pro och rekommenderar att modellen körs i Claude Code eller Codex. Enligt IQuest får den 83,2 på Terminal-Bench 2.1, 64,6 på DeepSWE v1.1, 84,5 på CyberGym och 53,7 på deras egna test IQuest-CLIBench, där Claude Opus 5 får 58,2. Siffrorna är företagets egna.

Vikterna ligger på Hugging Face och ModelScope under en modifierad MIT-licens: den som använder modellen i en kommersiell produkt måste visa "IQuest-Q1" i gränssnittet. Den tekniska rapporten kom på arXiv den 22 oktober 2026.