آبان
اخبار
آی‌کوئست Q1 چیست؟ مدل متن‌باز ۳۲۰ میلیارد پارامتری برای ایجنت‌های کدنویسی
مدل متن‌باز آی‌کوئست با ۳۲۰ میلیارد پارامتر کل و فقط ۱۵ میلیارد پارامتر فعال، برای ایجنت‌های کدنویسی خط فرمان ساخته شده و در بنچمارک Terminal-Bench 2.1 امتیاز ۸۳٫۲ گرفته است. در این مقاله می‌بینید IQuest-Q1 چیست، چه ویژگی‌هایی دارد و چطور می‌توان آن را اجرا کرد.
لیست مطالب
۱. IQuest-Q1 چیست و چه کسی آن را ساخته است؟
مدل IQuest-Q1 محصول گروه پژوهشی IQuest Research است و در تاریخ ۲۲ تا ۲۳ اکتبر ۲۰۲۶ با وزن‌های باز در Hugging Face عرضه شد. این مدل یک شبکه‌ی عصبی از نوع «میکسچر آو اکسپرتس» است؛ یعنی به‌جای اینکه همه‌ی پارامترها برای هر کلمه کار کنند، فقط بخشی از آن‌ها فعال می‌شود. نتیجه این است که مدل از نظر ظرفیت بزرگ است، ولی هزینه‌ی محاسبه‌ی هر توکن به اندازه‌ی یک مدل ۱۵ میلیارد پارامتری است.
کاربرد هدف‌گذاری‌شده‌ی آن «ایجنت‌های کدنویسی خط فرمان» است. این یعنی مدل برای کارهایی مثل اجرای دستورها در ترمینال، خواندن و ویرایش چندین فایل، اجرای تست‌ها و تصمیم‌گیری در چند مرحله‌ی پی‌درپی طراحی شده است، نه فقط برای چت ساده. اگر هنوز با مفهوم شرکت‌های بزرگ این حوزه آشنا نیستید، مقاله‌ی OpenAI چیست نقطه‌ی شروع خوبی است.
۲. مشخصات فنی در یک نگاه
بر اساس صفحه‌ی مدل در Hugging Face، مشخصات اصلی IQuest-Q1 به این صورت است:
- حدود ۳۲۰ میلیارد پارامتر کل و حدود ۱۵ میلیارد پارامتر فعال در هر توکن
- ۲۵۶ اکسپرت که برای هر توکن ۸ تای آن‌ها انتخاب می‌شود
- طول زمینه‌ی ۵۲۴٬۲۸۸ توکن، یعنی نزدیک به ۵۱۲ هزار توکن
- ۸۸ لایه‌ی ترنسفورمر با الگوی توجه ترکیبی: سه لایه‌ی پنجره‌ی لغزان در برابر یک لایه‌ی توجه کامل
- وزن‌های پایه در قالب BF16
- ورودی فقط متن؛ تصویر و صدا پشتیبانی نمی‌شود
الگوی توجه ترکیبی دلیل اصلی توان اجرای زمینه‌ی طولانی است. لایه‌های پنجره‌ی لغزان فقط به بخش نزدیک متن نگاه می‌کنند و حافظه‌ی کمتری مصرف می‌کنند، و هر چهارمین لایه کل متن را می‌بیند تا اطلاعات دوردست از دست نرود.
۳. نتایج بنچمارک؛ عددها چه می‌گویند؟
گزارش‌های منتشرشده درباره‌ی این مدل چند عدد مشخص را ذکر می‌کنند: امتیاز ۸۳٫۲ در Terminal-Bench 2.1، امتیاز ۵۷٫۵ در SWE-Bench Pro، امتیاز ۹۳٫۳ در GPQA Diamond و امتیاز ۸۴٫۵ در CyberGym. صفحه‌ی مدل همچنین از بنچمارک‌های DeepSWE v1.1، Humanity’s Last Exam بدون ابزار و IQuest-CLIBench نام می‌برد.
برای فهم این اعداد باید بدانیم هر بنچمارک چه چیزی را می‌سنجد. Terminal-Bench توانایی انجام کارهای واقعی در محیط ترمینال را می‌سنجد، SWE-Bench Pro حل مسائل واقعی مهندسی نرم‌افزار در مخزن‌های کد را بررسی می‌کند و GPQA Diamond سؤال‌های دشوار علمی در سطح تخصصی است. CyberGym هم به توان مدل در کارهای مرتبط با امنیت سایبری مربوط می‌شود.
یک نکته‌ی احتیاطی مهم: این اعداد را خود سازنده و گزارش‌های اولیه اعلام کرده‌اند و هنوز ارزیابی مستقل گسترده‌ای از آن‌ها دیده نشده است. امتیاز بالا در بنچمارک همیشه به معنی عملکرد بالا در پروژه‌ی واقعی شما نیست. برای درک بهتر این محدودیت، مقاله‌ی توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی را بخوانید.
۴. چرا فقط ۱۵ میلیارد پارامتر فعال مهم است؟
در مدل‌های متراکم، هر توکن از همه‌ی پارامترها عبور می‌کند. در MoE فقط اکسپرت‌های انتخاب‌شده کار می‌کنند. برای IQuest-Q1 این یعنی سرعت تولید توکن به مدل‌های حدود ۱۵ میلیارد پارامتری نزدیک است، در حالی که دانش ذخیره‌شده در ۳۲۰ میلیارد پارامتر پخش شده است.
اما یک نکته‌ی کاربردی وجود دارد که اغلب نادیده گرفته می‌شود: همه‌ی وزن‌ها باید در حافظه باشند، حتی اگر در هر لحظه فقط بخشی استفاده شود. فایل BF16 این مدل تقریباً ۶۴۰ گیگابایت می‌شود و نسخه‌های فشرده‌ی ۴ بیتی طبق یک تخمین ساده در حدود ۱۶۰ تا ۱۸۰ گیگابایت خواهند بود. بنابراین برای اجرای محلی به سخت‌افزار جدی نیاز دارید. این رقم‌ها تخمین من بر پایه‌ی تعداد پارامترهاست و نه عدد رسمی سازنده.
۵. چطور IQuest-Q1 را اجرا کنیم؟
صفحه‌ی رسمی چند مسیر را معرفی می‌کند. برای آزمایش با کتابخانه‌ی Transformers می‌توان از کلاس AutoModelForCausalLM استفاده کرد. برای سرویس‌دهی تولیدی، SGLang و vLLM با ایمیج‌های آماده‌ی Docker پیشنهاد شده‌اند و هر دو از رمزگشایی حدسی با پیش‌بینی چندتوکنی (MTP) پشتیبانی می‌کنند. همچنین دستور docker model run در Docker Model Runner قابل استفاده است.
برای کاربران عادی‌تر، نسخه‌های کوانتایز شده توسط جامعه برای llama.cpp، Ollama و LM Studio معرفی شده‌اند. تنظیمات پیشنهادی نمونه‌برداری هم دمای ۱٫۰، top-p برابر ۰٫۹۵ و top-k برابر ۲۰ است.
۶. استفاده در کنار Claude Code و Codex CLI
یکی از جذاب‌ترین بخش‌ها این است که سازنده‌ها گفته‌اند می‌توان این مدل را از طریق یک گیتوی سازگار با قالب‌های API، پشت ابزارهایی مثل Claude Code و Codex CLI قرار داد. یعنی همان رابط ترمینال آشنا، اما با مدل متن‌باز که روی زیرساخت خودتان اجرا می‌شود. برای تیم‌هایی که نگران ارسال کد به سرویس‌های خارجی هستند، این یک گزینه‌ی جدی است.
اگر تازه با ابزارهای کدنویسی هوشمند شروع کرده‌اید، آموزش‌های ChatGPT و راهنمای نوشتن پرامپت برای مبتدیان به شما کمک می‌کنند دستورهای بهتری بنویسید.
۷. محدودیت‌ها و نکته‌های احتیاطی
مرحله‌ی اولیه
صفحه‌ی مدل صریحاً آن را در مرحله‌ی اولیه توصیف می‌کند و هشدار می‌دهد خروجی‌ها ممکن است اشتباه باشند، پس هر تغییر کد باید با تست بررسی شود.
مجوز
مجوز مدل با نام iquest-q1 ذکر شده، اما متن شرایط آن در محتوای بررسی‌شده نبود. پیش از استفاده‌ی تجاری، حتماً متن مجوز را مستقیم از صفحه‌ی رسمی بخوانید. «وزن باز» لزوماً به معنی «استفاده‌ی آزاد برای هر کاری» نیست.
فقط متن
مدل تصویر نمی‌بیند. اگر پروژه‌ی شما به تحلیل اسکرین‌شات یا نمودار نیاز دارد، باید مدل دیگری کنارش بگذارید.
این وضعیت شبیه رقابت‌های دیگر در این حوزه است؛ برای نمونه مقایسه‌ی ChatGPT و DeepSeek نشان داد چطور مدل‌های متن‌باز و بسته با هم رقابت می‌کنند.
۸. این خبر برای کسب‌وکارها و برنامه‌نویسان چه معنایی دارد؟
عرضه‌ی یک مدل متن‌باز قوی برای کدنویسی خودکار، گزینه‌های تیم‌ها را بیشتر می‌کند. شرکت‌ها می‌توانند بدون وابستگی کامل به یک ارائه‌دهنده، ایجنت‌های داخلی بسازند و داده‌های حساس را بیرون نفرستند. در همین حال سرمایه‌گذاری و رقابت در این بخش بالا گرفته است؛ درباره‌ی ارزش اقتصادی آن در اهمیت هوش مصنوعی در کسب‌وکار بیشتر بخوانید.
در عین حال، ایجنت‌های کدنویسی جای مهندس را نمی‌گیرند. نقش انسان در طراحی، بازبینی و پذیرش مسئولیت همچنان کلیدی است؛ بحث کامل آن در توهم توسعه‌دهنده‌ی تنها در برابر مهندس واقعی آمده است. برای خبرهای مشابه هم صفحه‌ی اخبار هوش مصنوعی را دنبال کنید.
۹. پرسش‌های متداول
IQuest-Q1 دقیقاً چیست؟
یک مدل زبانی متن‌باز از نوع میکسچر آو اکسپرتس با ۳۲۰ میلیارد پارامتر کل و ۱۵ میلیارد پارامتر فعال که برای ایجنت‌های کدنویسی خط فرمان ساخته شده است.
طول زمینه‌ی آن چقدر است؟
۵۲۴٬۲۸۸ توکن، یعنی حدود ۵۱۲ هزار توکن.
آیا روی لپ‌تاپ اجرا می‌شود؟
نسخه‌ی کامل نه. حتی نسخه‌های فشرده، طبق تخمین، به ده‌ها تا صدها گیگابایت حافظه نیاز دارند، پس معمولاً سرور یا ایستگاه کاری قدرتمند لازم است.
آیا تصویر را هم می‌فهمد؟
خیر، ورودی آن فقط متن است.
آیا برای استفاده‌ی تجاری آزاد است؟
این را باید از متن مجوز رسمی iquest-q1 بررسی کنید و نباید فرض کنید.
با Claude Code کار می‌کند؟
طبق صفحه‌ی مدل، از طریق گیتوی سازگار با فرمت‌های API می‌توان آن را با Claude Code و Codex CLI به کار برد.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
