Çinli fon Ubiquant'tan kodlama ajanları için açık model: IQuest-Q1
Çinli kantitatif yatırım fonu Ubiquant'ın yapay zeka birimi IQuest, kodlama ajanları ve çok adımlı araç kullanımı için hazırladığı IQuest-Q1'i yayımladı. Claude Code ve Codex CLI ile kullanılabilen model, kendi sunucunuzda çalıştırılabiliyor ama sekiz yüksek bellekli veri merkezi kartı istiyor.
IQuest, 28 Eylül 2026'da IQuest-Q1 modelini Hugging Face ve GitHub'da yayımladı. Hugging Face'te IQuestLab adıyla yer alan ekip, Çinli kantitatif yatırım fonu Ubiquant'ın yapay zeka araştırma birimi; daha önce kodlama modeli ailesi IQuest-Coder'ı paylaşmıştı. Model kartındaki bilgilere göre IQuest-Q1, ajan tabanlı kodlama, akıl yürütme ve çok adımlı araç kullanımı için geliştirildi ve kendi sunucunuzda çalıştırabileceğiniz biçimde sunuluyor.
Kodlama ajanları için bir model
IQuest-Q1, uzmanlar karışımı (MoE) mimarisini kullanan bir dil modeli. Toplam 320 milyar parametresi var; her kelime parçası için bunların yaklaşık 15 milyarı devreye giriyor, 256 uzmandan 8'i seçiliyor. Bağlam penceresi 512 bin kelime parçası (524.288), bu da uzun kod depoları ve uzun ajan oturumlarıyla çalışmaya uygun. Mimaride kayan pencereli dikkat ile tam dikkat katmanları karışık kullanılıyor; her dört katmanın üçü kayan pencereli. Çok parçalı tahmin (MTP) katmanı ise yanıt üretimini hızlandırmak için taslak tahminler yapıyor. Model yalnızca metin alıyor; görüntü, ses ya da video girişi yok.
Kartta modelin Claude Code ve Codex CLI içinde nasıl kullanılacağı adım adım anlatılıyor. Sunucu tarafında OpenAI uyumlu bir API açılıyor; Claude Code için Anthropic Messages, Codex için OpenAI Responses biçimini destekleyen bir ara geçit gerekiyor. Böylece geliştiriciler alıştıkları komut satırı ajanını kendi sunucularındaki modele bağlayabiliyor.
Donanım ve kurulum
Model tam hassasiyette (BF16) yaklaşık 650 GB yer kaplıyor. Karttaki kurulum komutları modeli 8 ekran kartına bölen bir sunucu varsayıyor; kart başına düşen yük 80 GB'ı aştığı için bu, H200 ya da B200 sınıfı yüksek bellekli veri merkezi kartları anlamına geliyor. Model tek bir ekran kartına sığmıyor ve IQuest küçültülmüş (quantized) bir sürüm yayımlamadı. Önerilen çalıştırma araçları SGLang ve vLLM: SGLang desteği 29 Eylül'de ana projeye birleştirildi, vLLM için ise firmanın kendi çatalı ve hazır Docker imajları var. Kartta llama.cpp ya da Ollama için bir destek bilgisi yer almıyor.
Lisans, IQuest'in "Modified MIT" adını verdiği bir MIT türevi. Ticari kullanım serbest; lisans metnine göre tek ek şart, model ya da ondan türetilen bir çalışma ticari bir ürün veya hizmette kullanılıyorsa ürünün kullanıcı arayüzünde "IQuest-Q1" adının belirgin biçimde gösterilmesi.
Şirketin paylaştığı grafiklerde IQuest-Q1, DeepSWE, NL2Repo, CyberGym ve Terminal-Bench gibi kodlama ve ajan testlerinde çoğunlukla Claude Opus 5 ile DeepSeek-V4.1-Flash'ın gerisinde; CyberGym ve Terminal-Bench'te ise bu modellere yakın bir sonuç gösteriyor. Aynı grafiklerde DeepSeek-V4-Flash ve GLM-5.3-Flash gibi modellerin bazı testlerde önünde yer alıyor. Kodunu dışarı göndermeden kendi veri merkezinde kodlama ajanı çalıştırmak isteyen ve bu ölçekte donanımı olan şirketler ile araştırma ekipleri için yeni bir seçenek.
IQuest, model kartında IQuest-Q1'in henüz erken aşamada olduğunu yazıyor: gerçek komut satırı işlerinde kısıtları gözden kaçırabildiği, başarısız denemeleri tekrarlayabildiği ve insan gözetimi gerektirdiği belirtiliyor, üretilen kodun testlerle doğrulanması öneriliyor. Karttaki Codex örnek ayarı onay istemlerini ve korumalı alanı (sandbox) kapatıyor; bu ayarı kendi ortamınıza göre sıkılaştırmak iyi olur. Kıyaslamaların tamamı şirkete ait ve biri (IQuest-CLIBench) şirketin kendi hazırladığı bir test. Modelin gerçek işlerdeki başarısını görmek için bağımsız araştırmacıların değerlendirmelerini takip etmekte fayda var.
Kaynaklar: Hugging Face: IQuest-Q1 model kartı, GitHub: IQuestLab/IQuest-Q1, GitHub: SGLang IQuest-Q1 desteği.
