IQuest-Q1《八张卷子，够不够看》
基本情况
2026 年 9 月 29 日，IQuest 至知创新研究院发布 IQuest-Q1，定位是 320B 规模的 MoE 模型，主打 CLI 与代码智能体方向，开源权重同步上线。
和其他新模型不同，IQuest-Q1 在榜单上只有 8 项基准——同期 Kimi K3 报了 108 项、Qwen3.8-Max 报了 147 项、Claude Opus 5 报了 100 项。8 项意味着它无法进入综合排名（榜单的最低门槛是 6 项，但排名需要在双方共同覆盖的项目上比较，覆盖度过窄的模型没有可比性），所以榜单上给它的处理是：数据全部保留，但不参与排名计算。
这个”少”是客观事实，不是回避。榜单对它的 8 项分数都打了标记——保留展示、排除出排名，正是为了让这 8 个数字在没有排名背书的情况下依然能被读到。
那么问题来了：8 张卷子，够不够看清一个模型？
答案是，能看清轮廓，看不清全貌。而这个轮廓恰恰是有意思的——它的 8 项里有 5 项是代码与 Agent 任务，而这恰好是 IQuest 自称的主场。
8 项上的实际位次
先把它在每一项上的位置摊开（数据来自榜单，含所有模型）：
| 基准 | IQuest-Q1 | 位次 | 榜首 |
|---|---|---|---|
| NL2Repo | 63.0 | 第 5 / 40 | Claude Opus 5 · 75.3 |
| CyberGym | 84.5 | 第 7 / 28 | MiMo-V2.6-Flash · 95.1 |
| IQuest-CLIBench | 53.7 | 第 3 / 4 | GPT-5.6 Sol · 58.5 |
| Agents’ Last Exam | 29.6 | 第 14 / 47 | GPT-6 Astra · 59.3 |
| JobBench | 55.7 | 第 17 / 33 | Claude Opus 5.5 · 75.4 |
| Terminal-Bench 2.1 | 83.2 | 第 19 / 53 | DeepSeek-V4.1-Flash · 90.6 |
| DeepSWE 1.1 | 64.6 | 第 25 / 45 | Muse Wonder Full · 79.0 |
| HLE | 39.2 | 第 44 / 103 | Claude Opus 5 · 64.7 |
8 项平均第 16.8 名。
这张表的信息量比”8 项”这个数字本身大得多。NL2Repo 第 5、CyberGym 第 7、Agents’ Last Exam 第 14——这三项都在参评模型的中上游；而 HLE 第 44 / 103 是明显的后段。一台只报了 8 项的模型，能同时在中上游和后段出现，说明它的能力分布是有形状的，不是均质的一块。
优势
代码 Agent：主场站得住
IQuest-Q1 的 8 项里有 5 项与代码/Agent 相关，这个押注在成绩上得到了回应。
NL2Repo 第 5 名（63.0）是它最亮的一项。这个基准衡量的是从零生成完整代码仓库的能力，参评 40 个模型。它排在 Claude Opus 5 的 75.3、Claude Fable 5.1 的 70.2、DeepSeek-V4.1-Flash 的 65.4 之后，与 GLM-5.3 的 58.0、Hunyuan 4 Preview 的 58.9 同一梯队但略高。
对比它的两个国产对手——GLM-5.3 的 58.0 和 Hunyuan 4 Preview 的 58.9，IQuest-Q1 领先 4.1 到 5.0 分。在”从无到有造一个仓库”这件事上，它比同量级的国产模型做得更完整。
CyberGym 第 7 名（84.5）是另一处强项。这是个安全方向的 Agent 基准，28 个模型参评。前三是 MiMo-V2.6-Flash 的 95.1、MiMo-V2.6-Pro 的 94.0、DeepSeek-V4.1-Flash 的 88.1——IQuest-Q1 的 84.5 与 GLM-5.3 完全并列，领先 Qwen3.8-Max 的 78.5 和 Hunyuan 4 Preview 的 78.4 约 6 分。
值得注意的是 DeepSeek-V4.1-Flash 在这项上同时拿下 DeepSWE 第 1（74.2）和 CyberGym 第 3（88.1），是这一轮开源代码竞赛里最锋利的一把刀。IQuest-Q1 跟它差 3.6 分，不算远。
DeepSWE 1.1 的 64.6 排第 25 / 45，中游。对比 Claude Opus 5 的 74.0 和 DeepSeek-V4.1-Flash 的 74.2 差约 10 分，但领先 Qwen3.8-Max 的 56.6 达 8 分。和国产同行比，它比 GLM-5.3 的 66.9 低 2.3 分、比 Hunyuan 4 Preview 的 64.3 高 0.3 分——三家基本咬在同一档线上，差距在 3 分以内。
自家基准 IQuest-CLIBench：第 3，但样本太小
IQuest-CLIBench 上 IQuest-Q1 排第 3（53.7），落后 GPT-5.6 Sol 的 58.5 和 Claude Opus 5 的 58.2，领先 GLM-5.3-Flash 的 49.5。
这是唯一一个只有 4 个模型参评的基准——样本量小到不足以支撑任何有意义的结论。它的价值不在排名，而在于这是一个以 CLI / 命令行智能体为评测对象的基准，恰好落在 IQuest 自称的主场上。53.7 分说明在这条最窄的赛道上，它和 GPT-5.6 Sol、Claude Opus 5 的差距在 5 分以内。
一个诚实的说法是：这个数字能证明它”在自己设计的赛道上不落后”，但不能证明任何别的东西。
Agent 长任务：第 14 名
Agents’ Last Exam 上 IQuest-Q1 的 29.6 排第 14 / 47。这是个考多步工具调用的长任务基准，榜首 GPT-6 Astra 的 59.3 是断层第一（第二名 Qwen3.8-27B 只有 51.2），IQuest-Q1 与 GLM-5.3 的 28.5 接近，高于 Qwen3.8-Max 的 27.0 和 Hunyuan 4 Preview 的 22.8。
在 47 个模型里排第 14，且与同梯队对手咬得很紧——这个位置对一个首次上榜的模型来说不算差。
不足
HLE 是明显短板
HLE 上 IQuest-Q1 的 39.2 排第 44 / 103，是它 8 项里最差的一项。
103 个模型参评，榜首 Claude Opus 5 的 64.7 是断层领先（Claude Fable 5 的 63.9、Claude Opus 5.5 的 61.0 紧随其后）。IQuest-Q1 的 39.2 落后 Opus 5 达 25.5 分。
和国产同行的对比：Qwen3.8-Max 的 43.6、Hunyuan 4 Preview 的 43.4、GLM-5.3 的 42.3、GLM-5.2 的 41.0，都比它高 2 到 4 分。也就是说，在国产开源模型这个群体里，IQuest-Q1 的极限推理也是偏弱的一档，不只是落后于北美旗舰。
这一项还拉低了整体印象：8 项里 7 项在中游或更好，唯有 HLE 掉到 44/103。8 项平均名次 16.8，扣掉 HLE 之后其余 7 项平均是 12.9。
Terminal-Bench 2.1 与 JobBench 的差距
Terminal-Bench 2.1 的 83.2 排第 19 / 53。这个基准有 53 个模型参 evalu，DeepSeek-V4.1-Flash 的 90.6 居首，IQuest-Q1 落后 7.4 分。国产阵营里 MiMo-V2.6-Pro 的 89.9、GLM-5.3 的 88.2、Qwen3.8-Max 的 86.6 都比它高——在这项上它低于所有主要国产对手。
JobBench 的 55.7 排第 17 / 33，情况类似：Claude Opus 5.5 的 75.4 领跑，Muse Wonder Full 75.3、Claude Fable 5.1 73.1 紧随，IQuest-Q1 与 GLM-5.3 的 61.4 差 5.7 分，与 Hunyuan 4 Preview 的 61.7 差 6 分。
这两项说明它在”写代码”之外，”用代码完成工作”的环节还有距离——前者是产出代码质量，后者是代码在真实工作流里的表现。
覆盖度：8 项的代价
这是最需要诚实说明的一点。8 项基准带来三个具体限制：
一是无法参与综合排名。 榜单的综合榜基于 81 项核心基准的胜率计算，IQuest-Q1 只报了 8 项且全部标记排除，因此它没有综合排名、没有 Code 排名、没有 General 排名——一个数字都没有。读者无法回答”它到底排第几”这个问题。
二是纵向对比断裂。 如果 IQuest 出 Q2，没有前代数据可参照；如果别家模型后续补报这 8 项，也无法确认和自己的成绩是否同口径。
三是横向对比失真。 本文的对比表里，IQuest-Q1 在 NL2Repo 是第 5（40 个模型），在 HLE 是第 44（103 个模型）——这两个位次的分母差 2.6 倍，含义完全不同。把它们平均成一个”16.8 名”是权宜之计，不是严谨的排名。
酥悠沫评
榜单上只有八张卷子的模型，我原本以为会看到一份单薄的成绩单。
结果不是。
NL2Repo 第 5、CyberGym 第 7——40 个模型和 28 个模型的战场里，一个只报 8 项的新模型能站进前 10，说明它在”造仓库”和”安全 Agent”这两件事上不是陪跑。DeepSWE 64.6 与 GLM-5.3 的 66.9 只差 2.3 分，与 Hunyuan 4 Preview 的 64.3 几乎持平，国产同行的中游位置它坐得住。
真正让我意外的是短板的方向。HLE 39.2，第 44 / 103——不是被北美旗舰拉开 25 分那种惨败，而是在国产开源模型群体里也排倒数。Qwen3.8-Max 43.6、Hunyuan 4 Preview 43.4、GLM-5.3 42.3，每一个都比它高 3 到 4 分。
一个主打代码 Agent 的模型，在极限推理上落后同侪，这个反差比”落后于 Claude”更值得玩味。代码智能体的训练目标和长链条推理的训练目标，本来就不是一回事——前者奖励”改对文件”，后者奖励”想清楚再走”。IQuest 把筹码全押在前者，HLE 就是那张没押的注的账单。
不过我得承认，关于这家公司我们几乎一无所知。IQuest 至知创新研究院，320B MoE，开源权重同步上线——然后就没有然后了。没有发布会，没有技术报告的广泛传播，榜单上八个数字是它留下的全部痕迹。
苏轼在《晁错论》里写”古之所谓豪杰之士者，必有可以参天地之化，关盛衰之运”——参天地之化，是要见得多。
八张卷子能看出轮廓，看不出筋骨。它在 NL2Repo 的第 5 名值得期待，也值得等下一份成绩单。
- 综合榜单：https://suyoumo.github.io/llm-leaderboard/