近日，開源AI領域迎來重磅消息。一款名爲Jan-v1的深度研究模型正式發佈，基於阿里雲Qwen3-4B-Thinking模型精心微調，直接對標商業化產品Perplexity Pro。這款僅有4億參數的模型憑藉91%的SimpleQA準確率、完全本地運行能力以及對推理和工具使用的專項優化，迅速成爲AI開發者社區的關注焦點。

性能表現超越預期，準確率媲美商業產品

Jan-v1在SimpleQA基準測試中取得了91%的準確率，略微超越Perplexity Pro的表現，這一成績令業界刮目相看。通過對Qwen3-4B-Thinking模型的專項微調，Jan-v1在邏輯推理、工具使用和多步驟任務處理方面展現出卓越性能。

image.png

該模型支持256K tokens的上下文長度，並可通過YaRN技術擴展至100萬tokens，這使其特別適用於長文檔分析、學術研究和複雜對話場景。相比許多需要依賴雲端算力的大型模型，Jan-v1的這一特性爲用戶提供了更大的靈活性。

本地運行優勢突出，隱私保護成核心賣點

與依賴雲端服務的Perplexity Pro不同，Jan-v1最大的優勢在於可完全在本地環境運行。該模型僅需約4GB VRAM即可高效工作，大大降低了硬件門檻和使用成本。這一特性不僅保障了用戶數據的隱私安全，還避免了網絡延遲和服務中斷的風險。

Jan-v1通過與Jan App的深度集成，用戶可通過簡潔的界面快速調用模型功能。該模型支持vLLM和llama.cpp等多種部署方式，爲開發者提供了豐富的集成選擇。官方推薦的參數設置包括溫度0.6、top_p0.95，以確保推理輸出的高質量與穩定性。

技術架構創新，雙模推理機制引關注

Jan-v1的技術基礎來源於阿里雲2025年4月發佈的Qwen3-4B-Thinking模型。該基礎模型擁有4億參數和獨特的雙模推理機制，包括思考模式與非思考模式兩種工作狀態。通過創新的多階段強化學習微調技術，Jan-v1擺脫了對傳統監督微調的依賴，進一步提升了在數學、科學、編碼和邏輯推理方面的能力。

該模型的"思考模式"能夠自動生成結構化的推理過程，輸出以特定格式呈現，便於用戶驗證和理解AI的推理邏輯。這種透明化的推理過程對於學術研究和複雜問題分析具有重要價值。

應用場景廣泛，從研究到智能代理全覆蓋

Jan-v1被定位爲多功能AI助手，特別適合深度研究、網絡搜索和工具調用等場景。無論是解答覆雜的學術問題、生成高質量代碼，還是通過各種框架執行外部工具任務，Jan-v1都能提供可靠支持。

該模型採用Apache2.0開源許可證，允許開發者自由定製和二次開發。結合Hugging Face、Ollama等平臺的生態支持，Jan-v1的應用場景有望得到進一步擴展。

開發者社區積極響應，開源生態日趨完善

Jan-v1的發佈在AI開發者社區引發了熱烈討論。許多開發者對其在低資源環境下的高性能表現給予高度評價，認爲該模型重新定義了小型模型的應用潛力。91%的SimpleQA準確率和256K上下文支持，使其成爲學術研究者和個人開發者的理想選擇。

不過，部分社區成員也指出，4億參數規模的模型在處理極其複雜的任務時可能需要配合外部工具進行優化。儘管如此，Jan-v1的開源特性和完整的技術文檔爲社區貢獻和持續改進提供了良好基礎。

Jan-v1的發佈標誌着開源AI領域的重要進展，其兼顧性能與隱私的設計理念，以及相對較低的資源需求，爲AI技術的普及和應用提供了新的可能性。隨着社區的持續貢獻和工具生態的不斷完善，這款模型有望在AI研究和實際應用中發揮更大作用。

項目地址：https://huggingface.co/janhq/Jan-v1-4B