近日，开源AI 领域迎来重磅消息。一款名为 Jan-v1 的深度研究模型正式发布，基于阿里云 Qwen3-4B-Thinking 模型精心微调，直接对标商业化产品 PerplexityPro。这款仅有 4 亿参数的模型凭借 91% 的 SimpleQA 准确率、完全本地运行能力以及对推理和工具使用的专项优化，迅速成为 AI 开发者社区的关注焦点。
性能表现超越预期，准确率媲美商业产品
Jan-v1 在 SimpleQA 基准测试中取得了 91% 的准确率，略微超越 PerplexityPro 的表现，这一成绩令业界刮目相看。通过对 Qwen3-4B-Thinking 模型的专项微调，Jan-v1 在逻辑推理、工具使用和多步骤任务处理方面展现出卓越性能。
该模型支持 256Ktokens 的上下文长度，并可通过 YaRN 技术扩展至 100 万 tokens，这使其特别适用于长文档分析、学术研究和复杂对话场景。相比许多需要依赖云端算力的大型模型，Jan-v1 的这一特性为用户提供了更大的灵活性。
本地运行优势突出，隐私保护成核心卖点
与依赖云端服务的 PerplexityPro 不同，Jan-v1
Jan-v1 通过与 JanApp 的深度集成，用户可通过简洁的界面快速调用模型功能。该模型支持 vLLM 和 llama.cpp 等多种部署方式，为开发者提供了丰富的集成选择。官方推荐的参数设置包括温度 0.6、top_p0.95，以确保推理输出的高质量与稳定性。
技术架构创新，双模推理机制引关注
Jan-v1 的技术基础来源于阿里云2025 年 4 月发布的 Qwen3-4B-Thinking 模型。该基础模型拥有 4 亿参数和独特的双模推理机制，包括思考模式与非思考模式两种工作状态。通过创新的多阶段强化学习微调技术，Jan-v1 摆脱了对传统监督微调的依赖，进一步提升了在数学、科学、编码和逻辑推理方面的能力。
该模型的"思考模式"能够自动生成结构化的推理过程，输出以特定格式呈现，便于用户验证和理解 AI 的推理逻辑。这种透明化的推理过程对于学术研究和复杂问题分析具有重要价值。
应用场景广泛，从研究到智能代理全覆盖
Jan-v1 被定位为多功能 AI 助手，特别适合深度研究、网络搜索和工具调用等场景。无论是解答复杂的学术问题、生成高质量代码，还是通过各种框架执行外部工具任务，Jan-v1 都能提供可靠支持。
该模型采用 Apache2.0 开源许可证，允许开发者自由定制和二次开发。结合 HuggingFace、Ollama 等平台的生态支持，Jan-v1 的应用场景有望得到进一步扩展。
开发者社区积极响应，开源生态日趋完善
Jan-v1 的发布在 AI 开发者社区引发了热烈讨论。许多开发者对其在低资源环境下的高性能表现给予高度评价，认为该模型重新定义了小型模型的应用潜力。91% 的 SimpleQA 准确率和 256K 上下文支持，使其成为学术研究者和个人开发者的理想选择。
不过，部分社区成员也指出，4 亿参数规模的模型在处理极其复杂的任务时可能需要配合外部工具进行优化。尽管如此，Jan-v1 的开源特性和完整的技术文档为社区贡献和持续改进提供了良好基础。
Jan-v1 的发布标志着开源 AI 领域的重要进展，其兼顾性能与隐私的设计理念，以及相对较低的资源需求，为 AI 技术的普及和应用提供了新的可能性。随着社区的持续贡献和工具生态的不断完善，这款模型有望在 AI 研究和实际应用中发挥更大作用。
项目地址：https://huggingface.co/janhq/Jan-v1-4B
