发动机能换，车还得自己修：IQuest-Q1 想当你编程 Agent 的底座
IQuestLab 开源 IQuest-Q1：约 320B 总参数、15B 激活的 MoE 模型，模型卡直接给出接入 Claude Code 和 Codex CLI 的配置，想当命令行编程 Agent 的可自托管底座。
01 发动机，和装得进去的发动机
一辆车，最值钱的部件是什么？
很多人会说：发动机。
但真正决定你能不能开上路的，往往不是发动机有多强，而是它能不能装进你现在这辆车。
编程 Agent，也是这个道理。
这两年，Claude Code、Codex CLI 这类命令行编程 Agent，成了很多开发者每天都要打开的工具。
工具是好工具。
可底座，是别人的模型。
代码能不能出门，账单涨不涨，规则改不改，都不由你说了算。
那么，底座能不能换？
最近，IQuestLab 放出了开权重模型 IQuest-Q1，同时在 Hugging Face Papers 上挂出了论文 “Advancing Foundation Capabilities for Agentic CLI Systems”。
这件事最值得看的，不是它有多大。
而是它的模型卡里，明明白白写着：怎么把它接进 Claude Code，怎么把它接进 Codex CLI。
不是造一台“通用发动机”，而是按别人家的车型尺寸，造一台发动机。
02 它是一台什么样的发动机
先看事实。据模型卡和论文，IQuest-Q1 是一个稀疏 MoE 模型。
总参数约 320B，激活约 15B。
88 层，256 个专家，每次路由 8 个。
隐藏维度 3072，Q/KV 头 48/8。
注意力是混合的：3 层滑动窗口（窗口 4096），配 1 层全注意力。
上下文 512K，纯文本，不看图。
这一串参数，翻译成经营语言，就是一句话：
不是养一支全员上岗的大军，而是养一个很大的专家库，每次只派一小队出门。
大库存 × 小派单 = 能力和成本之间的折中
这是今天大模型的主流打法，IQuest-Q1 并不例外。
再看上下文。512K，纯文本。
对一个命令行 Agent 来说，这意味着什么？
我的理解是：它要读的东西，本来就几乎全是文字。代码、日志、报错、终端输出，没有一张图。
不看图，不是短板，而是取舍。把力气花在 Agent 每天真正要读的东西上。
真正让它不一样的，是训练。
03 为谁训练，比训练多少更重要
据论文，训练分三个阶段。
预训练：Stable SplitNorm + Muon + muP，第二阶段加大代码数据的比例。
Mid-training：扩展领域和格式，逐步拉长上下文。
后训练：在多种脚手架、多个版本上做 SFT、领域 RL 和 MOPD，最后做模型合并。
我想请你多看一眼这几个字：多脚手架，多版本。
为什么？
因为 Agent 的真实工作环境，从来不是一个。
今天用 Claude Code，明天换 Codex CLI，后天工具又升了一个版本。
只在一种脚手架里训出来的模型，换个壳子，就容易水土不服。
在很多脚手架里训出来的模型，才有可能成为一个“通用接口”。
还有一个细节。论文称，训练用了超过 100 万个容器化任务实例，并用环境完整性检查和轨迹审计，来控制 reward hacking。
Reward hacking 是什么？
简单说，就是模型学会了钻考试的空子，而不是学会了干活。
真实任务 × 防钻空子 = 真本事
后一项缺了，前一项越多，学到的空子也越多。
04 成绩单，要怎么读
下面的成绩，全部是 IQuest 方面自报，据 AI Weekly 转述论文：
SWE-Bench Pro：57.5。
DeepSWE v1.1：64.6。
GPQA Diamond：93.3。
BrowseComp：85.5。
自报成绩，不等于假成绩。
但它是“考生自己公布的分数”。考试给了多长时间，用的什么规则，都得回到论文里一条条看。
论文里还有一组更特别的说法。
论文称，在一次三天的部署里，人类安全专家在 IQuest-Q1 的辅助下，产出了 30 份漏洞报告，经其他专家独立验证，并已负责任披露。
论文没有列出 CVE 编号，也没有列出项目名。
所以这件事，我们目前只能读作“作者的说法”，没法逐条对照。
那么，自报成绩到底该怎么用？
我的建议是，把它当成“入围通知”，而不是“录用通知”。
入围，说明值得你花时间去测。
录用，得看它在你自己的代码库、你自己的任务里，表现怎么样。
别人的考场，替不了你的工地。
05 换底座，真正的成本在哪里
这是本文最想讲的部分。
能接进 Claude Code，不等于你明天就能换。
为什么？
因为模型只是发动机。换发动机，要动的是整辆车。
我把它拆成一个式子（这是我的概括，不是官方说法）：
自托管成本 = 算力 + 网关 + 安全配置 + 合规
第一，算力。
模型卡给的部署方式，是 8 卡张量并行，跑在 SGLang 或 vLLM 上，启动时带上 --tool-call-parser iquest_q1 --reasoning-parser iquest_q1。
这不是个人桌面上的玩具，而是团队级的投入。
第二，网关。
Claude Code 说的是 Anthropic Messages 协议，Codex CLI 说的是 OpenAI Responses 协议。
你需要一个网关，把两种“方言”都翻译给同一个模型。
模型卡还给了推荐版本：Claude Code 2.1.140，Codex CLI 0.142.0。
推荐版本意味着什么？意味着工具一升级，你可能就要重新验证一遍。
第三，安全配置。这一条，我建议每个想尝鲜的人都停下来看一眼。
官方的 Codex 示例配置里，写着 approval_policy = "never" 和 sandbox_mode = "danger-full-access"。
照抄，就等于把审批和沙箱一起关掉。
示例是为了“跑起来”，不是为了“跑得稳”。这是两件事。
第四，合规。
许可证是修改版 MIT，商用产品要显著标注 “IQuest-Q1”。
To B 的团队，这一条最好提前和法务对齐。
这四项加在一起，你会发现一件事：
开源模型省掉的，是“许可费”这一项。
但它把另外几项，从供应商的账本上，挪到了你自己的账本上。
不是变便宜了，而是换了一种付钱的方式。
06 谁该换，谁不该换
假设一个场景（纯属假设，不是真实案例）：一家软件公司，代码不允许离开内网，又想让工程师用上命令行编程 Agent。
对它来说，闭源底座的问题，不是不好用，而是不能用。
这时候，IQuest-Q1 提供的不是“更强的选项”，而是“可以拥有的选项”。
反过来，如果你是个人开发者，代码没有出网的顾虑，那么为了换底座去扛 8 卡的门槛，未必划算。
所以，问题从来不是“开源模型够不够强”。
而是：你要的是更强，还是可控？
如果答案是可控，可以用下面这张小清单自查：
- 算一算：团队有没有 8 卡推理的预算和运维能力。
- 搭一搭：网关能不能同时说两种协议。
- 改一改：示例里的审批和沙箱设置，先改回来再用。
- 问一问：商用标注要求，产品界面上放在哪里。
- 测一测：自报成绩，拿自己的真实任务再跑一遍。
结语
发动机能拆下来换，是开源世界往前走的一步。
但车能不能开上路，取决于你愿不愿意自己当修车师傅。
能换，是选择权。
会换，才是能力。
来源：Hugging Face 模型卡；Hugging Face Papers 论文页；AI Weekly；IQuestLab 项目页。参数、部署方式、推荐的 Claude Code 2.1.140 / Codex CLI 0.142.0 版本均据模型卡；SWE-Bench Pro 等四项成绩为 IQuest 自报、据 AI Weekly 转述论文，未见第三方复测；配图中的 Terminal-Bench 2.1 成绩是在每任务 8 小时预算下测得，比多数实际使用宽松，正文未采用；30 份漏洞报告为论文说法，未列 CVE 与项目名；官方 Codex 示例关闭了审批和沙箱，请勿照抄；许可证为修改版 MIT，商用需在界面显著标注 “IQuest-Q1”；“自托管成本”公式为作者概括。