AnswersPublished25 sources
IQuest-Q1: מודל קוד לסוכני CLI — מה חשוב לדעת
IQuest Q1 הוא מודל עם משקולות פתוחות, המיועד לסוכני קוד בשורת הפקודה: יש בו כ־320 מיליארד פרמטרים, כ־15 מיליארד מהם מופעלים לכל טוקן, וחלון ההקשר המדווח הוא 512 אלף טוקנים. כרטיס המודל ב־Hugging Face מציין את הרישיון של המשקולות בתווית iquest q1.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- IQuest Q1 הוא מודל עם משקולות פתוחות, המיועד לסוכני קוד בשורת הפקודה: יש בו כ־320 מיליארד פרמטרים, כ־15 מיליארד מהם מופעלים לכל טוקן, וחלון ההקשר המדווח הוא 512 אלף טוקנים.
- כרטיס המודל ב־Hugging Face מציין את הרישיון של המשקולות בתווית iquest q1. קוד ההרצה ב־GitHub מופץ תחת Modified MIT, עם דרישה להצגת השם “IQuest Q1” בממשק של מוצרים או שירותים מסחריים המשתמשים בו.
- אפשרויות ההגשה המוזכרות הן SGLang ו־vLLM, אך היקף המודל מכוון לפריסה מרובת־GPU ולא לשימוש רגיל במחשב עם GPU יחיד.
- התוצאות שפורסמו בכמה מבחני ביצועים הן אינדיקציה ראשונית, לא הבטחה שהמודל ישלים באופן אמין משימת CLI מסוימת ללא פיקוח.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is IQuest-Q1, when and under what license were its weights, model card and inference code released, and how do its architecture, contex. Article summary: IQuest-Q1 is IQuest Research’s open-weight model for command-line coding agents: it is intended to reason over a repository, use tools and carry out multi-step software-engineering tasks, rather than merely complete code. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
IQuest-Q1 הוא מודל עם משקולות פתוחות מבית IQuest Research, שנבנה עבור סוכני קוד בשורת הפקודה (CLI). סוכן כזה יכול לקרוא קבצים במאגר קוד, להפעיל כלים ולעבוד על משימה לאורך כמה שלבים — לא רק להציע השלמה לשורת קוד. המבנה והאימון של Q1 מכוונים לתרחישים האלה, אבל ציונים שפורסמו במבחני ביצועים אינם מוכיחים שהוא ישלים באופן אמין כל משימת CLI נתונה. 2
6
8
15
מתי פורסם, ומה הרישיון?
כרטיס המודל ב־Hugging Face מציין את רישיון המשקולות בתווית iquest-q1. דיווחים מציינים שהמשקולות וכרטיס המודל הופיעו ב־Hugging Face ב־28 בספטמבר 2026, ואילו ההכרזה על השחרור הציבורי של IQuest הייתה למחרת, ב־29 בספטמבר. מאגר GitHub כולל גם קוד להרצת המודל, אך המקורות הזמינים אינם קובעים לו תאריך שחרור נפרד. 4
5
6
חשוב להבחין בין רישיון המשקולות לבין רישיון התוכנה. מאגר GitHub מגדיר את רישיון קוד ההרצה כ־Modified MIT ומוסיף תנאי: מוצר או שירות מסחרי המשתמש בתוכנה או בנגזרות שלה צריך להציג באופן בולט את השם “IQuest-Q1” בממשק המשתמש. כרטיס המודל, לעומת זאת, משתמש בתווית רישיון נפרדת — iquest-q1. לפני שילוב של אחד הרכיבים במוצר, כדאי לבדוק את התנאים שחלים עליו. 4
20
320 מיליארד פרמטרים, אבל לא כולם פעילים
Q1 מבוסס על Transformer מסוג decoder-only ומשתמש בארכיטקטורת תערובת מומחים דלילה (MoE). הוא כולל כ־320 מיליארד פרמטרים בסך הכול, וכ־15 מיליארד פרמטרים פעילים לכל טוקן. בתצורה שפורסמה מופיעים 256 מומחים, שמתוכם שמונה מופעלים בכל שלב. כרטיס המודל מתאר גם מנגנון קשב היברידי, המשלב שכבות של חלון קשב נע עם שכבות קשב מלא. 2
6
חלון ההקשר המדווח הוא 524,288 טוקנים, כלומר 512K. הוא עשוי לאפשר העברה של פרומפטים ארוכים והקשר נרחב ממאגר קוד, אבל לא הופך את Q1 למודל קטן או פשוט להרצה: המשקולות הכוללות דורשות תשתית משמעותית, והזיכרון וזמן התגובה בפועל תלויים באופן ההגשה ובאורך ההקשר שבו משתמשים. 1
2
14
איך מגישים אותו ומשלבים בכלי CLI?
חומרי ההפעלה מזכירים את SGLang ואת vLLM כאפשרויות להגשת המודל. ההנחיות מתארות שימוש בכמה GPUs באמצעות מקביליות טנזורים — כולל דוגמה של חלוקה לשמונה — ולא שימוש מקומי רגיל ב־GPU יחיד. vLLM דיווחה על תמיכה ב־Q1 כבר ביום ההשקה, לרבות תמיכה בדפוס הקשב ההיברידי שלו. 1
14
המודל מתואר כמתאים לשילוב בכלי קוד בשורת הפקודה, ובהם Claude Code ו־Codex CLI. לפני שימוש בפועל כדאי לבדוק את עיצוב קריאות הכלים, צריכת הזיכרון וזמן התגובה במסגרת הסוכן ובאורך ההקשר שבהם הצוות מתכוון להשתמש. עצם התמיכה בחלון של 512K טוקנים לא מעידה כיצד המודל יתפקד בכל סביבת הרצה. 3
אימון שמכוון למשימות של סוכנים
IQuest מתארת את Q1 כמודל שאומן לקוד, הסקה, שימוש בכלים, הבנת הקשר ארוך וביצוע משימות מרובות־שלבים. דיווחים על הפיתוח מתארים גם למידת חיזוק במספר סביבות עבודה (multi-harness RL) ואת שיטת הזיקוק המקוון לפי מדיניות ממספר מורים (MOPD). לפי התיאור, השיטה נועדה לאמן את המודל באמצעות מסלולי פעולה אינטראקטיביים שלו עצמו, ולא רק באמצעות תשובות לדוגמה שנכתבו מראש. 6
9
24
הגישות האלה מסבירות את הכיוון הסוכני של המודל, אך אינן ערובה להתנהגות אמינה בכל סביבת כלים. התוצאות בפועל תלויות גם במסגרת הסוכן, במשימה ובהגדרות ההרצה.
מה אומרים ציוני הביצועים שפורסמו?
בפוסט של ModelScope מופיעים ציונים של 84.5 ב־CyberGym, 83.2 ב־Terminal-Bench 2.1, 64.6 ב־DeepSWE v1.1 ו־63.0 ב־NL2Repo. המבחנים בוחנים סוגי עבודה שונים, ובהם משימות אבטחה, שימוש בטרמינל, משימות קוד ממושכות ויצירת מאגרי קוד. 15
21
אלה תוצאות שפורסמו, ולא הוכחה בלתי תלויה לכך ש־Q1 יעלה על מודל אחר בסביבת CLI מסוימת. כדי להשוות בין מודלים צריך להשתמש באותה גרסת מבחן ובתנאי הערכה תואמים. 15
21
איך המודל סייע בבדיקת תהליך הפיתוח שלו?
דיווחים על האימון מספרים כי חוקרים ביקשו מ־Q1 לסייע בחקירת תקלה בצינור האימון. המודל ניתח יומנים (logs) ורישומי אינטראקציות כדי לסייע באיתור בעיית עיצוב טקסט, שבגללה תורות קודמים הועברו בחזרה למערכת באופן לא תקין. החוקרים בדקו את האבחון; זהו סיוע בפיתוח תחת פיקוח, ולא דוגמה למודל ששיפר או שחרר את עצמו באופן אוטונומי. 27
28
אז למה הוא עשוי להתאים — ומה עדיין לא ידוע?
הארכיטקטורה, חלון ההקשר הארוך והדגש באימון הופכים את Q1 למועמד לסביבות קוד מפוקחות שבהן סוכן משתמש בכלים. מצד שני, גודלו הופך את ההפעלה למורכבת, וציוני benchmark שפורסמו אינם הבטחה לביצועים על מאגר קוד מסוים.
לשימוש מעשי, כדאי להריץ אותו בסביבה מבוקרת, לוודא שינויים באמצעות בדיקות ולהשאיר ביקורת אנושית לקוד או לפקודות בעלות השלכות משמעותיות. אלה אמצעי זהירות הגיוניים לכל סוכן קוד; המקורות הזמינים אינם מראים ש־Q1 אמין מספיק לתחזוקת מאגרי קוד ללא פיקוח.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "IQuest-Q1: מודל קוד לסוכני CLI — מה חשוב לדעת"?
IQuest Q1 הוא מודל עם משקולות פתוחות, המיועד לסוכני קוד בשורת הפקודה: יש בו כ־320 מיליארד פרמטרים, כ־15 מיליארד מהם מופעלים לכל טוקן, וחלון ההקשר המדווח הוא 512 אלף טוקנים.
What are the key points to validate first?
IQuest Q1 הוא מודל עם משקולות פתוחות, המיועד לסוכני קוד בשורת הפקודה: יש בו כ־320 מיליארד פרמטרים, כ־15 מיליארד מהם מופעלים לכל טוקן, וחלון ההקשר המדווח הוא 512 אלף טוקנים. כרטיס המודל ב־Hugging Face מציין את הרישיון של המשקולות בתווית iquest q1. קוד ההרצה ב־GitHub מופץ תחת Modified MIT, עם דרישה להצגת השם “IQuest Q1” בממשק של מוצרים או שירותים מסחריים המשתמשים בו.
What should I do next in practice?
אפשרויות ההגשה המוזכרות הן SGLang ו־vLLM, אך היקף המודל מכוון לפריסה מרובת־GPU ולא לשימוש רגיל במחשב עם GPU יחיד.