320B开源「黑马」自己抓bug，凶手是一个空格
凌晨悄没声儿扔出来一个320B的开源大模型，权重和blog一口气全甩出来，没搞发布会，也没整什么预售排队。这匹「黑马」叫 IQuest-Q1，背后是国内一支叫至知创新研究院（IQuest Research）的团队。
九月这个赛道卷到什么程度，你看一眼排期就懂：GPT-6 Astra、Fable 5.1、Gemini 3.8 Flash 连着三天扎堆发，国产这边 Qwen3.8、GLM-5.3 轮番上。在这帮卷王中间突然插进来一个320B的开源选手，一上来就在写代码库、挖安全漏洞和长程复杂任务这几类硬核评测上，跟头部模型同台过了招。
真正让我上头的，是它给自己抓bug那次
光看跑分不过瘾。材料里记了一个细节，比任何 benchmark 都戳人。
团队一次强化学习训练里，模型成绩曲线跑到一半突然走平，怎么练都不涨。诡异的是系统既不报错也不崩溃，屏幕一切正常，分数就是纹丝不动。这种「哑巴bug」最要命——它不哭不闹不摔碗，你根本不知道它哪儿出了问题。以前遇上这种事，只能靠工程师对着成堆日志一行行排查，熬上好几个通宵。
这次排查没交给人，交给了 IQuest-Q1 自己。它一头扎进训练日志、保存下来的对话记录和相关代码，从上翻到下，最后揪出的元凶小得让人想摔键盘——只是一个多出来的空格。
来龙去脉是这样：那次训练用多轮对话，模型答完一轮，系统要把输出原样拼回历史记录再问下一轮。问题出在中间环节，负责跑模型的推理服务在把输出转回文字时，悄悄多塞了一个空格。就这一个看不见摸不着的字符，把训练搅得天翻地覆。训练系统是逐字比对的，发现拼回去的历史和模型原本写的差一个字符，就把一段连贯对话硬生生切成好几截，前几轮回答还在对话里，却不再算进训练。模型实际只能从最后一轮学东西，整个框架看着在跑，其实大部分数据都是摆设。
找到病根后它关掉那个多塞空格的设置重跑，平均得分从 0.704 涨到 0.769，后段进一步升到 0.799。这套原本要工程师熬几个通宵的活儿，从头到尾是模型自己干的。
顺着这条路，材料里还演示了三份真活儿：指挥六个路口的早高峰绿波、调度八台机器人搬货、排一栋24层写字楼的四部电梯。
它做事的路数值得单独讲
先说交通。6个路口，早7点到9点车流往商务区涌，8点05还有一辆救护车要横穿全城。对照的傻瓜方案一跑，六路口同时切灯，进城主干道一路堵到城外。IQuest-Q1 给的是「绿波」：先测出车从一个路口开到下一个大约要18秒，就让下一个路口的绿灯晚18秒再亮，车队一启动就一路绿灯。上下两排再错开18秒，南北向也顺了。救护车更干脆，开进哪排哪排全切绿。整道题它自己边跑分边改，做了54分钟，换没见过的车流复测全程零事故。每辆车平均多等的时间从6分钟压到22秒，救护车穿城从近4分钟压到1分钟出头。
仓库那题更有意思。8台搬运机器人给电商仓库送货，平日220单、双11爆单420单、还会中途封通道。朴素调度一跑，8台车在打包台附近堵成一坨。IQuest-Q1接手后没上来就写花哨算法，而是先搭一版能跑的调度，再逐台翻运行记录找堵点。它把某一秒8台车的位置全打印出来，先发现两台车在两格宽通道迎面相遇谁也不让谁直接撞了，于是定规矩：迎面相遇必须有一台绕开。接着发现放完货的车停在打包台上不走堵死了后面，又让空车主动离开，结果空车停在入口还是挡路，又改一轮才理顺。它自己在记录里写下的判断是：这道题丢分主要丢在堵死上，撞车反倒次要——跟老仓管的直觉一模一样。换上没见过的订单复测，8台车全程零撞车，420订单送出了87%，朴素调度只送了几十单。
电梯那题暴露的痛点最扎心。24层4部梯，一个人从按键到进梯超60秒、或进梯待超180秒都算不准点。朴素派梯方式一到高峰大堂就排起长队。IQuest-Q1 先自己写分析脚本跑数据，发现早高峰每趟都塞满13个人，电梯本身已经不够用了。硬件改不了就在软件上做文章：让空梯多等一会儿装满再走，晚高峰让电梯先开到最高一个有人按下行的楼层再一路往下顺路接人，低楼层挤不上就预留位置。换没见过的客流复测，晚高峰准点率从26%提到61%，平峰从70%升到88%。
最后是前端，毕竟这是大家最爱卷的赛道。它出的作品多数两三千行代码，纯一个HTML文件，「二十四节气水乡」把春夏秋冬同一幅江南画里流转，大雪时屋顶积雪入夜亮红灯笼；「山海·墨舞」更绝，水墨弹幕射击游戏，宣纸底色叠水墨远山，仙鹤把毕方、九尾狐、鲲打成飞溅墨点，Boss烛龙睁眼放弹幕闭眼才打得动，背景音乐还是代码现场合成的五声音阶，通关盖一枚朱印「胜」——全是代码画的，不是贴图。
飞轮刚开始转
从路口的绿波到仓库的让行规矩再到浏览器里的世界，它的路数始终一致：先把病根找出来再动手改，改坏了就退回去换方向重来。这不是什么高深方法论，但能稳定执行这套流程本身就是能力。一个320B的开源模型已经能帮着查训练bug、写下一轮训练方案，飞轮转起来了。
它转得快不快，下一代 IQuest 长什么样，现在下结论还早。但有一件事可以确定：当 AI 能真正开始做事、解决任务，价值才由此显现。模型权重已全面开源，想自己拉下来试试的，仓库链接在下面。
- GitHub：https://github.com/IQuestLab/IQuest-Q1
- Hugging Face：https://huggingface.co/IQuestLab/IQuest-Q1
- Blog：https://iquestlab.github.io/