在AI智能体（Agent）向复杂、多步任务演进的关键阶段，开源社区迎来一员新锐猛将。Jan团队今日正式发布 Jan-v2-VL-Max——一款300亿参数的多模态大模型，专为长周期、高稳定性自动化执行场景打造，在关键指标上已超越谷歌Gemini2.5Pro与DeepSeek R1，为开源Agent生态注入强劲动力。
聚焦“误差累积”难题，专治多步执行“失焦”
当前多模态Agent在执行长序列操作（如自动化UI操作、跨应用任务流）时，常因中间步骤微小偏差导致后续任务全面偏离，即“误差累积”问题。Jan-v2-VL-Max针对性引入 LoRA-based RLVR(Reinforced Long-horizon Vision-Language Reasoning)技术，在保持Qwen3-VL-30B基座能力的同时，显著提升推理链的一致性与抗干扰能力，确保任务在数十步操作后仍精准执行。
“幻象递减回报”测试登顶，定义Agent新基准
该模型在全新评测基准 “幻象递减回报”（Hallucination-Decay Return， HDR）中表现突出。该基准专门衡量Agent在任务长度延伸过程中，因幻觉或逻辑断裂导致回报率下降的速度。Jan-v2-VL-Max在长序列任务中维持高回报稳定性，超越Gemini2.5Pro与DeepSeek R1，验证其在真实自动化场景中的可靠性。
即开即用，支持本地高效部署
为降低使用门槛，Jan团队提供:
- 网页端直接交互界面，用户可上传图像、输入指令，测试多步自动化流程;
- vLLM优化本地部署方案，支持在消费级GPU上高效运行，便于开发者集成至自研Agent系统。
开源社区的“长思考”突破
Jan-v2-VL-Max虽在长序列执行上相较基座模型仅实现“小幅提升”，但在Agent领域，每1%的稳定性提升都意味着可用性质变。这一成果标志着开源社区正从“单步响应”迈向“长程规划”，为UI自动化、机器人控制、多工具协同等高价值场景提供可落地的开源基座。
AIbase认为，当大模型竞争从“谁更聪明”转向“谁更可靠”，Jan团队此次聚焦执行稳定性的技术路径，恰逢其时。在Agent即将成为AI主交互范式的浪潮下，Jan-v2-VL-Max或将成为开发者构建“永不掉链子”智能体的关键拼图。
