Jan团队推出Jan-v2-VL-Max！30B多模态模型专注长周期Agent任务，长序列执行稳定性领先Gemini 2.5 Pro

在AI智能体（Agent）迈向更复杂、更多步骤任务的关键时刻，开源社区迎来一位强劲新成员。Jan团队今日正式发布 Jan-v2-VL-Max——一款拥有300亿参数的多模态大模型，面向长周期、高可靠的自动化执行场景打造；在关键指标上已跑赢谷歌Gemini 2.5 Pro与DeepSeek R1，为开源Agent生态注入新的动力。

直击“误差累积”痛点，解决多步执行容易跑偏

目前多模态Agent在执行长序列操作（如自动化UI点击、跨应用流程）时，常因中间某一步的轻微误差，导致后续任务整体偏离，即“误差累积”。Jan-v2-VL-Max针对这一问题引入基于LoRA的RLVR（Reinforced Long-horizon Vision-Language Reasoning）训练策略，在延续Qwen3-VL-30B底座能力的同时，显著增强推理链条的一致性与抗干扰性，确保任务在数十步操作后仍能精准推进。

“幻象递减回报”评测拿下高分，树立Agent新标尺

该模型在全新评测基准“幻象递减回报”（Hallucination-Decay Return，HDR）中表现优异。该基准专门衡量Agent随着任务长度增加，因幻觉或逻辑断裂导致回报率下降的速度。Jan-v2-VL-Max在长序列任务中保持高且稳定的回报，超越Gemini 2.5 Pro与DeepSeek R1，印证其在真实自动化场景中的可靠性。

即刻上手，支持本地高效部署

为降低使用门槛，Jan团队提供：  

– 网页端交互界面，支持上传图片、输入指令，快速试跑多步自动化流程;  

– 基于vLLM的本地加速方案，可在消费级GPU上高效运行，便于开发者集成到自研Agent系统。

开源社区的“长思考”新进展

尽管Jan-v2-VL-Max相较底座模型在长序列执行上的提升幅度不算很大，但在Agent领域，稳定性每提升1%都可能带来可用性的质变。该成果显示开源力量正从“单步回复”走向“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更可落地的开源底座。

随着大模型竞争从“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，恰到其时。在Agent有望成为AI主要交互形态的趋势下，Jan-v2-VL-Max或将成为开发者打造“不掉链子”智能体的重要拼图。