在人工智能領(lǐng)域，多模態(tài)智能體正朝著復(fù)雜、多步驟任務(wù)的方向加速演進(jìn)，開(kāi)源社區(qū)迎來(lái)一款極具競(jìng)爭(zhēng)力的新模型——Jan-v2-VL-Max。這款由Jan團(tuán)隊(duì)打造的300億參數(shù)多模態(tài)大模型，專(zhuān)為長(zhǎng)周期、高穩(wěn)定性的自動(dòng)化執(zhí)行場(chǎng)景設(shè)計(jì)，在關(guān)鍵性能指標(biāo)上成功超越谷歌Gemini2.5Pro與DeepSeek R1，為開(kāi)源智能體生態(tài)的發(fā)展注入強(qiáng)大動(dòng)力。

多模態(tài)智能體在執(zhí)行長(zhǎng)序列操作時(shí)，常常面臨“誤差累積”的棘手問(wèn)題。例如在自動(dòng)化UI操作、跨應(yīng)用任務(wù)流等場(chǎng)景中，中間步驟的微小偏差可能會(huì)引發(fā)后續(xù)任務(wù)的全面偏離。Jan-v2-VL-Max針對(duì)這一難題，引入了LoRA-based RLVR（強(qiáng)化長(zhǎng)視野視覺(jué)語(yǔ)言推理）技術(shù)。該技術(shù)基于Qwen3-VL-30B基座模型，在保持其原有能力的基礎(chǔ)上，顯著提升了推理鏈的一致性和抗干擾能力，確保任務(wù)在經(jīng)過(guò)數(shù)十步操作后仍能精準(zhǔn)執(zhí)行。

為了更科學(xué)地衡量智能體在長(zhǎng)序列任務(wù)中的表現(xiàn)，全新評(píng)測(cè)基準(zhǔn)“幻象遞減回報(bào)”（Hallucination-Decay Return，HDR）應(yīng)運(yùn)而生。這一基準(zhǔn)主要關(guān)注智能體在任務(wù)長(zhǎng)度增加時(shí)，因幻覺(jué)或邏輯斷裂導(dǎo)致回報(bào)率下降的速度。Jan-v2-VL-Max在該基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，在長(zhǎng)序列任務(wù)中始終維持高回報(bào)穩(wěn)定性，再次證明其在真實(shí)自動(dòng)化場(chǎng)景中的可靠性，超越了Gemini2.5Pro與DeepSeek R1。

為了讓更多用戶能夠便捷地使用Jan-v2-VL-Max，Jan團(tuán)隊(duì)提供了多種使用方式。一方面，開(kāi)發(fā)了網(wǎng)頁(yè)端直接交互界面，用戶只需上傳圖像并輸入指令，就能測(cè)試多步自動(dòng)化流程；另一方面，推出vLLM優(yōu)化本地部署方案，支持在消費(fèi)級(jí)GPU上高效運(yùn)行，方便開(kāi)發(fā)者將其集成到自研的智能體系統(tǒng)中，大大降低了使用門(mén)檻。

在開(kāi)源社區(qū)，Jan-v2-VL-Max在長(zhǎng)序列執(zhí)行方面的成果具有里程碑意義。盡管相較于基座模型，其提升幅度看似“小幅”，但在智能體領(lǐng)域，每1%的穩(wěn)定性提升都可能帶來(lái)可用性的質(zhì)變。這一成果標(biāo)志著開(kāi)源社區(qū)正從“單步響應(yīng)”向“長(zhǎng)程規(guī)劃”邁進(jìn)，為UI自動(dòng)化、機(jī)器人控制、多工具協(xié)同等高價(jià)值場(chǎng)景提供了可落地的開(kāi)源基座。

隨著大模型競(jìng)爭(zhēng)的焦點(diǎn)逐漸從“誰(shuí)更聰明”轉(zhuǎn)向“誰(shuí)更可靠”，Jan團(tuán)隊(duì)聚焦執(zhí)行穩(wěn)定性的技術(shù)路徑顯得尤為明智。在智能體即將成為人工智能主交互范式的大趨勢(shì)下，Jan-v2-VL-Max有望成為開(kāi)發(fā)者構(gòu)建穩(wěn)定可靠智能體的關(guān)鍵組件。