最近，开源人工智能模型领域迎来了新的竞争者。在GPT-6和Claude等模型的推动下，国内的开源大模型也在加速进步。新的开源模型IQuest-Q1于昨天晚间亮相，采用了稀疏的MoE架构，拥有约320亿个总参数和约15亿个激活参数，主要聚焦于代码生成、软件工程和复杂任务执行，并在推理和工具使用上具备扩展能力。
尽管其激活参数偏低，IQuest-Q1在各类标准评测中表现出色，展现了均衡的能力。在代码生成的NL2Repo和网络安全评测CyberGym中取得了可靠的成绩，并在终端操作、长程代码任务以及办公环境等复杂场景中表现突出。
IQuest-Q1的核心价值在于其交付能力，模型能在任务执行过程中理解上下文、调用工具并处理反馈，输出可验证的结果。通过官方演示，该模型能够生成交互式应用，例如在一款第一人称射击游戏中，它实现了三维场景的创建、角色互动、战斗逻辑等多项功能，并有效管理多文件结构和视觉呈现。
在赛车游戏的生成示例中，IQuest-Q1展示了对空间关系与互动的良好处理。此外，模型能够在强化学习训练中进行故障诊断，通过分析日志和执行轨迹来定位和修复问题，提高训练的有效性。最后，在真实办公场景中，模型整合聊天记录、在线文档和评论信息，完成信息分析并生成可用方案。
技术上，IQuest-Q1结合了decoder-only Transformer和稀疏MoE架构，采用了高效的训练策略，分为预训练、中期训练和后期专项训练，由此建立了强大的基础能力和应用能力。
发表评论