Характеристики

Лицензия: Apache 2.0
Базовая модель: Jan-v2-VL-med
Библиотека: transformers
Опубликована: 6 ноя 2025

Ссылки

Hugging Face arXiv 2509.09677

Jan-v2-VL-med-gguf

janhq

Изображение и текст → текст9 профессий

Jan-v2-VL-med-gguf — мультимодальная vision-language модель примерно на 8 млрд параметров, разработанная Jan.

4 670скачиваний за 30 дней22лайкавеса обновлены14 ноя 2025

Бенчмарки

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

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

Модель предназначена для многошаговых задач в реальных программных средах, включая браузеры и настольные приложения. Она ориентирована на агентную автоматизацию и управление интерфейсами с опорой на скриншоты и вызовы инструментов, когда план или необходимые знания заданы заранее, а результат зависит от стабильного выполнения длинной последовательности действий.

Модель объединяет языковое рассуждение и визуальное восприятие, поддерживает текстовые и визуальные входы и заявлена для английского языка. Вариант med обеспечивает баланс между качеством и задержкой среди вариантов Jan-v2-VL-low, med и high. Модель разработана для поддержания промежуточного состояния, выполнения инструкций с минимальным отклонением и восстановления после небольших ошибок. README не указывает точный размер контекста и специфические ограничения по поддерживаемым форматам изображений.

По заявлению разработчиков, Jan-v2-VL не уступает базовой Qwen-3-VL-8B-Thinking на стандартных текстовых и визуальных задачах и превосходит её на некоторых оценках, обеспечивая более сильное выполнение длинных цепочек действий. Для локального запуска предусмотрена интеграция с Jan App, а также поддержка llama.cpp и vLLM; GGUF-вариант рассчитан на использование с llama.cpp. Модель распространяется по лицензии Apache 2.0.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jan-v2-VL: Multimodal Agent for Long-Horizon Tasks

image/gif

Overview

Jan-v2-VL is an 8B-parameter vision–language model for long-horizon, multi-step tasks in real software environments (e.g., browsers and desktop apps). It combines language reasoning with visual perception to follow complex instructions, maintain intermediate state, and recover from minor execution errors.

We recognize the importance of long-horizon execution for real-world tasks, where small per-step gains compound into much longer successful chains—so Jan-v2-VL is built for stable, many-step execution. For evaluation, we use The Illusion of Diminishing Returns: Measuring Long-Horizon Execution in LLMs, which measures execution length. This benchmark aligns with public consensus on what makes a strong coding model—steady, low-drift step execution—suggesting that robust long-horizon ability closely tracks better user experience.

Variants

Jan-v2-VL-low — efficiency-oriented, lower latency
Jan-v2-VL-med — balanced latency/quality
Jan-v2-VL-high — deeper reasoning; higher think time

Intended Use

Tasks where the plan and/or knowledge can be provided up front, and success hinges on stable, many-step execution with minimal drift:

Agentic automation & UI control: Stepwise operation in browsers/desktop apps with screenshot grounding and tool calls (e.g., BrowserMCP).

Model Performance

Compared with its base (Qwen-3-VL-8B-Thinking), Jan-v2-VL shows no degradation on standard text-only and vision tasks—and is slightly better on several—while delivering stronger long-horizon execution on the Illusion of Diminishing Returns benchmark.

Local Deployment

Integration with Jan App

Jan-v2-VL is optimized for direct integration with the Jan App. Simply select the model from the Jan App interface for immediate access to its full capabilities.

Local Deployment

Using vLLM:

vllm serve Menlo/Jan-v2-VL-high \
    --host 0.0.0.0 \
    --port 1234 \
    --enable-auto-tool-choice \
    --tool-call-parser hermes \
    --reasoning-parser qwen3

Using llama.cpp:

llama-server --model Jan-v2-VL-high-Q8_0.gguf \
    --vision-model-path mmproj-Jan-v2-VL-high.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: 1.0
top_p: 0.95
top_k: 20
repetition_penalty: 1.0
presence_penalty: 1.5

🤝 Community & Support

Discussions: Hugging Face Community
Jan App: Learn more about the Jan App at jan.ai

📄 Citation

Updated Soon

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 7e09c8e