让 AI 连续查资料、运行代码，再根据结果决定下一步，比回答一道题更考验模型的规划和执行能力。IQuest-Q1正是为这类任务设计：它面向Agent编程、推理和多步工具调用。所谓多步工具调用，就是模型会反复选择搜索、代码执行或业务接口，而非问一次、答一次。
据IQuest发布的Hugging Face模型页，IQuest-Q1约有320B总参数，但处理每个token——模型读写文字时的基本单位——只激活约15B。它采用MoE（Mixture of Experts，混合专家）架构：模型共有256个“专家”模块，每次只调用其中8个，像一家大型顾问公司按问题临时组队。这样既保留较大的知识容量，又把单次计算压到较小范围。不过，15B激活参数不等于普通15B模型，也不意味着部署只需承担15B模型的内存占用。模型页还给出了Transformers等运行入口；现有材料未提供可完整核对的测试结果，因此能力表现仍以开发者后续披露和独立验证为准。