/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Jan-v3-4B-base-instruct
Библиотека
transformers
Опубликована
2 мар 2026

Jan-code-4b

Генерация текстаТекст → текст7 профессий

Компактная дообученная модель Jan на базе Qwen3 для генерации, редактирования и отладки кода, а также выполнения программных подзадач в агентных системах.

174скачиваний за 30 дней83лайкавеса обновлены4 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Jan-Code-4B — дообученная командой Jan на Jan-v3-4B-base-instruct компактная плотная языковая модель семейства Qwen3 с 3,7 млрд параметров. Она предназначена для генерации и редактирования кода, рефакторинга и отладки, а также для локального запуска в роли лёгкого исполнителя подзадач в агентных системах. Модель поддерживает диалоговый режим, работает с текстом и рассчитана на контекст до 262 144 токенов.

Модель ориентирована на хорошо ограниченные повседневные задачи программирования, где важны скорость ответа и скромные вычислительные требования; её можно подключить через Jan Desktop или запускать с vLLM. README рекомендует её для небольших агентных задач, но не приводит результатов сравнительных оценок. Лицензия Apache-2.0.

Сценарии применения

  • генерация фрагментов кода по описанию
  • редактирование и рефакторинг кода
  • поиск и исправление ошибок в коде
  • подготовка патчей и тестов для агентного рабочего процесса
  • локальный запуск лёгкого помощника по программированию

Ограничения

Модель рассчитана прежде всего на хорошо ограниченные подзадачи; README не приводит сравнительных оценок качества.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jan-Code-4B: a small code-tuned model

GitHub License Jan App

image

Overview

Jan-Code-4B is a code-tuned model built on top of Jan-v3-4B-base-instruct. It’s designed to be a practical coding model you can run locally and iterate on quickly—useful for everyday code tasks and as a lightweight “worker” model in agentic workflows.

Compared to larger coding models, Jan-Code focuses on handling well-scoped subtasks reliably while keeping latency and compute requirements small.

Intended Use

  • Lightweight coding assistant for generation, editing, refactoring, and debugging
  • A small, fast worker model for agent setups (e.g., as a sub-agent that produces patches/tests while a larger model plans)
  • Replace Haiku model in Claude Code setup

Quick Start

Integration with Jan Apps

Jan-code is optimized for direct integration with Jan Desktop, select the model in the app to start using it.

Local Deployment

Using vLLM:

vllm serve janhq/Jan-code-4b \
    --host 0.0.0.0 \
    --port 1234 \
    --enable-auto-tool-choice \
    --tool-call-parser hermes 
    

Using llama.cpp:

llama-server --model Jan-code-4b-Q8_0.gguf \
    --host 0.0.0.0 \
    --port 1234 \
    --jinja \
    --no-context-shift

Recommended Parameters

For optimal performance in agentic and general tasks, we recommend the following inference parameters:

temperature: 0.7
top_p: 0.8
top_k: 20

🤝 Community & Support

📄 Citation

Updated Soon

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
2015c72

0 моделей