在AI智能體（Agent）向復雜、多步任務演進的關鍵階段，開源社區迎來一員新銳猛將。Jan團隊今日正式發布 Jan-v2-VL-Max——一款300億參數的多模態大模型，專為長周期、高穩定性自動化執行場景打造，在關鍵指標上已超越谷歌Gemini2.5Pro與DeepSeek R1，為開源Agent生態注入強勁動力。
聚焦“誤差累積”難題，專治多步執行“失焦”
當前多模態Agent在執行長序列操作（如自動化UI操作、跨應用任務流）時，常因中間步驟微小偏差導致后續任務全面偏離，即“誤差累積”問題。Jan-v2-VL-Max針對性引入 LoRA-based RLVR(Reinforced Long-horizon Vision-Language Reasoning)技術，在保持Qwen3-VL-30B基座能力的同時，顯著提升推理鏈的一致性與抗干擾能力，確保任務在數十步操作后仍精準執行。
“幻象遞減回報”測試登頂，定義Agent新基準
該模型在全新評測基準 “幻象遞減回報”（Hallucination-Decay Return， HDR）中表現突出。該基準專門衡量Agent在任務長度延伸過程中，因幻覺或邏輯斷裂導致回報率下降的速度。Jan-v2-VL-Max在長序列任務中維持高回報穩定性，超越Gemini2.5Pro與DeepSeek R1，驗證其在真實自動化場景中的可靠性。
即開即用，支持本地高效部署
為降低使用門檻，Jan團隊提供:
- 網頁端直接交互界面，用戶可上傳圖像、輸入指令，測試多步自動化流程;
- vLLM優化本地部署方案，支持在消費級GPU上高效運行，便于開發者集成至自研Agent系統。
開源社區的“長思考”突破
Jan-v2-VL-Max雖在長序列執行上相較基座模型僅實現“小幅提升”，但在Agent領域，每1%的穩定性提升都意味著可用性質變。這一成果標志著開源社區正從“單步響應”邁向“長程規劃”，為UI自動化、機器人控制、多工具協同等高價值場景提供可落地的開源基座。
AIbase認為，當大模型競爭從“誰更聰明”轉向“誰更可靠”，Jan團隊此次聚焦執行穩定性的技術路徑，恰逢其時。在Agent即將成為AI主交互范式的浪潮下，Jan-v2-VL-Max或將成為開發者構建“永不掉鏈子”智能體的關鍵拼圖。
