# IQuest Research veröffentlicht Open-Source-Modell Q1 und Benchmark-Bericht

> Das von Grund auf entwickelte Foundation-Modell IQuest‑Q1 nutzt eine Mixture-of-Experts-Architektur mit 320 B Parametern und weist Ergebnisse für 30 Coding- und Agenten-Benchmarks aus.

Oossa · 2026-10-23 · https://oossa.com/de/iquest-research-releases-open-source-q1-model-and-30-benchmark-report

IQuest Research veröffentlichte den technischen Bericht zu IQuest‑Q1 am 23. Okt. 2026. Das Open-Source-Modell ist für Aufgaben über die Kommandozeile optimiert und verfügt insgesamt über 320 Milliarden Parameter, davon sind pro Token 15 Milliarden aktiv. Für das Training kamen rund 29 Billionen Token zum Einsatz; laut Bericht wurden dabei 52 % der Rechenleistung benötigt, die eine vergleichbare MoE-Baseline erfordert. Der Bericht führt Ergebnisse für 30 Benchmarks auf, darunter 52.7 bei AutomationBench und 78.4 bei MCP‑Atlas.

## Die Fakten

- 320 Milliarden Parameter insgesamt, davon 15 Milliarden pro Token aktiv
- Für das Training wurden rund 29 Billionen Token verwendet; die Skalierungseffizienz lag bei 1.93×

## Warum es wichtig ist

Entwickler können jetzt ein großes, agentisches CLI-Modell herunterladen, das bei vergleichbarer Leistung geringere Rechenkosten verspricht.

## Quellen und Referenzen

1. [IQuest Research Releases IQuest-Q1 Technical Report, Detailing Training from Scratch and Results Across 30 Benchmarks](https://www.prnewswire.com/news-releases/iquest-research-releases-iquest-q1-technical-report-detailing-training-from-scratch-and-results-across-30-benchmarks-302917967.html) – PR Newswire RSS, 2026-10-23

Zuletzt aktualisiert: 2026-10-23