IQuest-Q1 চালু আছে

IQuest-Q1 হলো 至知创新研究院-এর ওপেন-সোর্স Agent ভিত্তি মডেল, যা কোড এবং এজেন্ট-ভিত্তিক কাজের জন্য তৈরি। IQuest-Q1 একটি sparse MoE আর্কিটেকচার ব্যবহার করে; এতে মোট 320B প্যারামিটার থাকলেও প্রতি token-এ মাত্র 15B সক্রিয় হয়, ফলে inference খরচ কম। IQuest-Q1 সিন্থেটিক পরিবেশে একাধিক harness reinforcement learning এবং multi-teacher online distillation (MOPD)-এর মাধ্যমে প্রশিক্ষিত। এটি Claude Code বা Codex-এর সঙ্গে যুক্ত করা যায় এবং NL2Repo, CyberGym-সহ বিভিন্ন বেঞ্চমার্কে শীর্ষস্থানীয় ফল করে। এর সামগ্রিক সক্ষমতা ভারসাম্যপূর্ণ; বিশেষভাবে front-end generation, অফিস অটোমেশন এবং AI গবেষণা ও উন্নয়ন নির্ণয়ে দক্ষ।

রিপোজিটরি-স্তরের কোড তৈরি: এক বাক্যের চাহিদা থেকে সম্পূর্ণ চালনাযোগ্য বহু-ফাইল প্রকল্প তৈরি করতে পারে এবং NL2Repo বেঞ্চমার্কে ওপেন-সোর্স মডেলগুলোর প্রথম সারিতে রয়েছে।
CLI এজেন্ট অপারেশন: কোড রিপোজিটরি পড়া ও লেখা, কমান্ড-লাইন টুল ব্যবহার, ফলাফল পরীক্ষা এবং ত্রুটি থেকে পুনরুদ্ধার করতে পারে; Claude Code ও Codex-এর সঙ্গে নির্বিঘ্নে ব্যবহার করা যায়।
ফ্রন্ট-এন্ড ইন্টার‌্যাক্টিভ অ্যাপ তৈরি: একবারেই 3D দৃশ্য, ইন্টার‌্যাকশন লজিক ও ভিজ্যুয়াল উপস্থাপনাসহ চালনাযোগ্য ওয়েব অ্যাপ তৈরি করতে পারে, যেমন FPS গেম, রেসিং গেম এবং voxel সমুদ্রতল শহর।
অফিসের সম্পূর্ণ প্রক্রিয়া অটোমেশন: 飞书 lark-cli-এর মাধ্যমে চ্যাট রেকর্ড ও নথি মিলিয়ে যাচাই করে ঘটনা শ্রেণিবিন্যাস, প্রতিবেদন লেখা, কাজ বণ্টন এবং অগ্রগতি অনুসরণের সম্পূর্ণ প্রক্রিয়া সম্পন্ন করে।
AI গবেষণা ও উন্নয়নে স্ব-নির্ণয়: reinforcement learning প্রশিক্ষণের অস্বাভাবিকতা অনুসরণ করে মূল কারণ শনাক্ত, কোড সংশোধন এবং নতুন মেট্রিক কার্ভ দিয়ে ফলাফল যাচাই করতে পারে।
বহুধাপের জটিল কাজ সম্পাদন: মধ্যম ও দীর্ঘমেয়াদি কাজের জন্য কয়েক ঘণ্টা স্বায়ত্তশাসিতভাবে কাজ চালিয়ে যেতে পারে; সাইবার নিরাপত্তা ও টার্মিনাল অপারেশনসহ বিভিন্ন ক্ষেত্র সমর্থন করে।

WeChat-এ关注 করে “开源” লিখে উত্তর দিন, AI ওপেন-সোর্স প্রকল্পের গ্রুপে যোগ দিন
সামঞ্জস্যপূর্ণ MoE আর্কিটেকচার: মডেলটি decoder-only Transformer মূল কাঠামোর সঙ্গে sparse mixture-of-experts কাঠামো ব্যবহার করে। মোট প্যারামিটার প্রায় 320B হলেও প্রতি token-এ প্রায় 15B প্যারামিটার সক্রিয় হয়।
পর্যায়ভিত্তিক প্রশিক্ষণ প্রক্রিয়া: প্রশিক্ষণ তিন ধাপে বিভক্ত: pre-training, mid-training এবং post-training। Pre-training সাধারণ সক্ষমতা ও বিশ্বজ্ঞান তৈরি করে; mid-training-এ ডেটার বণ্টন কোড ও STEM-এর দিকে সরানো হয় এবং দীর্ঘ-প্রসঙ্গ এজেন্ট ট্র্যাজেক্টরি যুক্ত করা হয়; post-training-এ software engineering, দীর্ঘমেয়াদি কাজ ও সাধারণ reasoning-এর জন্য বিশেষায়িত SFT এবং reinforcement learning করা হয়।
সিন্থেটিক পরিবেশ ও বহু-harness reinforcement learning: দলটি বাস্তব API, MCP সার্ভার ও রিপোজিটরি দিয়ে তৈরি চালনাযোগ্য পরিবেশে কাজের ডেটা তৈরি করে, যাতে একটি নীতি একাধিক harness-এ প্রশিক্ষিত হয়। প্রতিটি harness-এর নিজস্ব টুল ও context management পদ্ধতি বজায় থাকে। ফলে মডেল শুধু সমস্যা সমাধান নয়, বাস্তব এজেন্ট সিস্টেমে কাজ করার আচরণও শেখে। অপ্টিমাইজেশনের আগে ব্যর্থতার কারণ নির্ধারণ করা হয়; কেবল মডেলের নিজস্ব ত্রুটিই শেখার সংকেত হয়।
MOPD বহু-শিক্ষক online distillation: reinforcement learning থেকে চারটি দিকের বিশেষায়িত মডেল তৈরি হয়: এজেন্ট অভিজ্ঞতা, বহু-harness সহযোগিতা, দীর্ঘমেয়াদি কাজ এবং সাধারণ এজেন্ট কাজ। MOPD-তে SFT checkpoint দিয়ে শুরু করা student model নিজের ট্র্যাজেক্টরিতে শেখে, সংশ্লিষ্ট expert প্রতিটি token-এর স্কোর দেয়, এরপর পর্যায়ভিত্তিক স্থিতিশীল model merging-এর মাধ্যমে একাধিক expert একত্র হয়ে একক IQuest-Q1-এ রূপ নেয়।
মানব-মেশিন সহযোগিতার self-evolution গবেষণা ও উন্নয়ন প্রক্রিয়া: গবেষণা ও উন্নয়নের সময় মডেল নিজের সক্ষমতা নির্ণয়, প্রশিক্ষণ পরিকল্পনা তৈরি এবং কিছু পরীক্ষা পরিচালনায় অংশ নেয়। মানব গবেষকেরা দিক পরিবর্তন, ব্যয়বহুল পরীক্ষা এবং সংস্করণ গ্রহণের মতো গুরুত্বপূর্ণ সিদ্ধান্ত নেন। প্রতিটি যাচাইয়ের পর মডেল আপডেট, প্রশিক্ষণ সম্পদ ও প্রক্রিয়া সংরক্ষণ করা হয়, যাতে পরবর্তী ধাপে সরাসরি পুনর্ব্যবহার করা যায় এবং ধারাবাহিক পুনরাবৃত্তির একটি বন্ধ-চক্র গড়ে ওঠে।

মডেলের ওজন সংগ্রহ: Hugging Face বা GitHub রিপোজিটরি থেকে মডেলের ওজন ও inference code ডাউনলোড করুন। ModelScope চ্যানেলে শিগগিরই প্রকাশিত হবে।
Inference service স্থাপন: SGLang বা vLLM ব্যবহার করে OpenAI-সামঞ্জস্যপূর্ণ inference service চালু করুন। এর জন্য 8-card tensor parallelism (TP=8), bfloat16 precision এবং IQuest-এর নির্দিষ্ট tool-call ও reasoning parser লোড করতে হবে।
গতি বাড়ানো ও পরামিতি সমন্বয় (ঐচ্ছিক): আরও বেশি throughput প্রয়োজন হলে recursive MTP speculative decoding চালু করা যায়। সরকারি মূল্যায়ন পুনরুৎপাদনের জন্য temperature=1.0, top-p=0.95, top-k=20 ব্যবহার করার পরামর্শ দেওয়া হয়।
সরাসরি মডেল কল: Python API বা OpenAI-সামঞ্জস্যপূর্ণ interface দিয়ে সরাসরি অনুরোধ পাঠান এবং tool call ও reasoning-এর জন্য IQuest format-এর chat template ব্যবহার করুন।
Agent tool ব্যবহার সংযুক্ত করা: tool call সমর্থনকারী gateway-এর মাধ্যমে Claude Code বা Codex CLI সংযুক্ত করুন। gateway address ও API Token সেট করার পর IQuest-Q1 দিয়ে agent-কে কাজ সম্পন্ন করানো যায়।

অসাধারণ inference দক্ষতা: মোট 320B প্যারামিটার থাকলেও প্রতি token-এ মাত্র 15B সক্রিয় হয়; ছোট মডেলের কাছাকাছি inference খরচে flagship-স্তরের কাজের সক্ষমতা পাওয়া যায়।
ভারসাম্যপূর্ণ ও বিস্তৃত ফলাফল: DeepSWE, NL2Repo, CyberGym, Terminal-Bench, JobBench-সহ আটটি বেঞ্চমার্কেই শীর্ষস্থানীয় অবস্থানে রয়েছে; উল্লেখযোগ্য কোনো সক্ষমতার ঘাটতি নেই।
উন্নত কোড সক্ষমতা: repository-level generation-এ NL2Repo-তে 63.0 স্কোর পেয়েছে, DeepSeek-V4-Pro ও 混元 Hy4-কে ছাড়িয়ে ওপেন-সোর্স মডেলগুলোর প্রথম সারিতে রয়েছে।
বাস্তব এজেন্টের সম্পূর্ণ চক্র: শুধু কোড তৈরি নয়, log পড়া, tool ব্যবহার, ত্রুটি থেকে পুনরুদ্ধার এবং যাচাইযোগ্য চূড়ান্ত ফলাফল প্রদান করতে পারে।
প্রধান Agent-এ এক-ক্লিক সংযোগ: OpenAI-সামঞ্জস্যপূর্ণ interface এবং সরকারি Docker image দেওয়া আছে; Claude Code ও Codex-এ সরাসরি প্রতিস্থাপন করে ব্যবহার করা যায়।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://iquestlab.github.io/
GitHub রিপোজিটরি: https://github.com/IQuestLab/IQuest-Q1
HuggingFace মডেল রিপোজিটরি: https://huggingface.co/IQuestLab/IQuest-Q1

বুদ্ধিমান প্রোগ্রামিং ও উন্নয়ন: এক বাক্যে সম্পূর্ণ চালনাযোগ্য বহু-ফাইল প্রকল্প তৈরি করতে পারে; Claude Code / Codex-এ স্বয়ংক্রিয়ভাবে কোড পড়া, bug ঠিক করা এবং test চালিয়ে যাচাইযোগ্য প্রকৌশল ফলাফল প্রদান করতে পারে।
ইন্টার‌্যাক্টিভ ওয়েব ও গেম তৈরি: পাঠ্য বর্ণনা থেকে একবারেই 3D গেম, visualization tool, design page-সহ front-end অ্যাপ তৈরি করে; দৃশ্য নির্মাণ, ইন্টার‌্যাকশন লজিক ও ভিজ্যুয়াল উপস্থাপনা সমর্থন করে।
অফিস প্রক্রিয়া অটোমেশন: 飞书 lark-cli-এর মাধ্যমে chat, document, spreadsheet ও meeting সংযুক্ত করে তথ্যের পারস্পরিক যাচাই, ঘটনা শ্রেণিবিন্যাস, প্রতিবেদন লেখা, কাজ বণ্টন ও অগ্রগতি অনুসরণের সম্পূর্ণ প্রক্রিয়া সম্পন্ন করে।
AI গবেষণা ও উন্নয়ন এবং training operations: মডেল প্রশিক্ষণের অস্বাভাবিকতা স্বয়ংক্রিয়ভাবে শনাক্ত করে, মূল কারণ নির্ধারণ ও কোড সংশোধন করে এবং AI দলের নিজস্ব গবেষণা ও উন্নয়ন pipeline রক্ষণাবেক্ষণ ও অপ্টিমাইজে সহায়তা করে।