# IQuest-Q1: открытые веса агентной MoE-модели 320B и условия локального запуска

Источник: https://modelium.tech/zhurnal/iquest-q1-320b-open-weights-local-agent-runtime/

IQuest-Q1 — текстовая MoE-модель для программирования, рассуждений и многошаговых вызовов инструментов. Её 175 основных шардов и отдельный MTP-чекпойнт доступны на Hugging Face; авторы указывают около 320 млрд параметров суммарно и 15 млрд активных на токен. Лицензия разрешает коммерческое применение, но требует заметно показывать «IQuest-Q1» в интерфейсе коммерческого продукта или сервиса. Для развёртывания авторы предлагают SGLang и собственный форк vLLM; обычный vLLM не следует считать автоматически совместимым.

IQuest-Q1: опубликованы веса агентной модели 320B

28 сентября 2026 года IQuest загрузила официальный репозиторий IQuest-Q1 с весами. Это текстовая Mixture-of-Experts-модель, предназначенная для задач программирования, рассуждений и многошаговой работы с инструментами. По описанию разработчика, у неё около 320 млрд параметров в сумме, примерно 15 млрд активируются на токен; заявленный контекст — 524 288 токенов. История репозитория подтверждает первоначальную загрузку 28 сентября, а не приравнивает более позднюю дату правки карточки к дате релиза. [s1](#src-s1) [s3](#src-s3)

## Что именно доступно

В закреплённой ревизии `5c21b0630586ef77d38cff1094b8cf37a417fcd8` API Hugging Face перечисляет все 175 основных файлов `model-00001-of-00175.safetensors` … `model-00175-of-00175.safetensors`. Индекс сопоставляет 1148 тензоров этим 175 файлам; отдельно лежат `mtp/config.json` и `mtp/model.safetensors` для предсказания следующих токенов. Метаданные индекса указывают 640 637 231 104 байта тензоров основной модели. Это размер данных модели, **не** проверенное требование к RAM или VRAM: реальная конфигурация зависит от размещения весов, KV-кэша, длины запроса, параллелизма и реализации. Квантизованный официальный вариант этим выпуском не подтверждён. [s2](#src-s2)

Архитектура в поставленном `config.json` обозначена `iquest_q1` / `IQuestQ1ForCausalLM`, с 88 слоями и контекстом 524 288 токенов. Поэтому нельзя предполагать, что произвольная прежняя сборка локального runtime загрузит чекпойнт по аналогии с обычным Qwen или DeepSeek. [s2](#src-s2)

## Как оценивать запуск

Авторы дают конфигурации SGLang и собственного `IQuestLab/vllm-iquest-q1` для сервера с OpenAI-совместимым API. Их примеры используют `tp-size 8` либо `--tensor-parallel-size 8`, CUDA 13.0 и особые парсеры `iquest_q1` для reasoning/tool calls. Это **пример многопроцессорного развёртывания авторов**, а не установленный минимум аппаратуры и не команда, проверенная Modelium. Поддержка модели и MTP была влита в основную ветку SGLang 29 сентября; для vLLM авторы указывают собственный форк. Перед пилотом зафиксируйте версию runtime или образ, проверьте распознавание архитектуры и парсера, затем отдельно тестируйте вызов инструментов и длинный контекст на своей инфраструктуре. Не устанавливайте на основании карточки, что обычный стабильный пакет vLLM уже содержит эту реализацию. [s1](#src-s1) [s4](#src-s4)

Если задача — локальный кодовый агент, полезная последовательность проверки такова: сначала сверить полный immutable-чекпойнт и лицензию, выбрать совместимый runtime из официальной документации, запустить пробные кодовые задачи с реальным исполнением инструментов и отдельно измерить задержку и потребление памяти на своей конфигурации. Одна удачная реплика в чате не подтверждает качество работы агента; для интеграции с Claude Code или Codex, помимо сервера модели, нужен совместимый шлюз протокола инструментов. [s1](#src-s1)

## Лицензия и качество

В репозитории лежит **Modified MIT License**, а не стандартная MIT или Apache-2.0 для этих весов. Она позволяет использование, изменения, распространение и коммерческие продукты при сохранении уведомления об авторском праве и текста лицензии. Дополнительное условие: если модель или производные используются в коммерческом продукте либо сервисе, интерфейс должен заметно показывать «IQuest-Q1». Команде с продуктовым UI стоит согласовать выполнение этого пункта до внедрения. Доступные веса не означают отсутствие лицензионных условий и не доказывают открытость всего обучающего набора или полного кода обучения. [s5](#src-s5)

Сравнения и настройки оценивания в карточке — заявления авторов, не измерения Modelium. Авторы смешивают публично сообщённые баллы других моделей с собственными прогонами там, где публичного результата нет; для агентных задач используются разные harness, включая mini-SWE-agent и Claude Code, а временные лимиты CyberGym и Terminal-Bench различаются. На реальных CLI-задачах сами авторы предупреждают о пропущенных ограничениях и незавершённых итеративных исправлениях. Сравнивайте модель на собственной задаче, фиксируя одинаковые условия запуска, вместо переноса рекламной диаграммы в обещание результата. [s1](#src-s1)

**Вывод:** это значимый выпуск полных весов для самостоятельного развёртывания агентной модели, но стартовая конфигурация автора ориентирована на крупный многопроцессорный сервер. Для обычного локального компьютера нет проверенной в этом выпуске инструкции или подтверждённой конфигурации памяти; коммерческая интеграция требует выполнить особое условие лицензии. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5)

## Источники

1. [IQuest-Q1: официальная карточка модели, ревизия 5c21b063](https://huggingface.co/IQuestLab/IQuest-Q1/blob/5c21b0630586ef77d38cff1094b8cf37a417fcd8/README.md) — получено 2026-09-30
2. [IQuest-Q1: HF API, config и индекс 175 весовых файлов](https://huggingface.co/api/models/IQuestLab/IQuest-Q1/revision/5c21b0630586ef77d38cff1094b8cf37a417fcd8) — получено 2026-09-30
3. [IQuest-Q1: история коммитов Hugging Face](https://huggingface.co/api/models/IQuestLab/IQuest-Q1/commits/main?limit=10) — получено 2026-09-30
4. [SGLang PR #41590: поддержка IQuest Q1 и MTP](https://github.com/sgl-project/sglang/pull/41590) — получено 2026-09-30
5. [IQuest-Q1: Modified MIT License, закреплённая ревизия](https://huggingface.co/IQuestLab/IQuest-Q1/blob/5c21b0630586ef77d38cff1094b8cf37a417fcd8/LICENSE) — получено 2026-09-30