Технический отчет Jan-nano
Jan-nano Technical Report
June 28, 2025
Авторы: Alan Dao, Dinh Bach Vu
cs.AI
Аннотация
Большинство языковых моделей сталкиваются с фундаментальным компромиссом, где мощные возможности требуют значительных вычислительных ресурсов. Мы разрушаем это ограничение с помощью Jan-nano, языковой модели с 4 миллиардами параметров, которая переопределяет эффективность благодаря радикальной специализации: вместо того чтобы пытаться знать всё, она овладевает искусством мгновенного поиска информации. Настроенная на основе Qwen3-4B с использованием нашей инновационной многоэтапной системы RLVR, которая полностью устраняет зависимость от обучения предсказания следующего токена (SFT), Jan-nano достигает 83,2% на бенчмарке SimpleQA с интеграцией MCP, работая на потребительском оборудовании. С длиной контекста в 128 тысяч токенов Jan-nano доказывает, что интеллект заключается не в масштабе, а в стратегии.
English
Most language models face a fundamental tradeoff where powerful capabilities
require substantial computational resources. We shatter this constraint with
Jan-nano, a 4B parameter language model that redefines efficiency through
radical specialization: instead of trying to know everything, it masters the
art of finding anything instantly. Fine-tuned from Qwen3-4B using our novel
multi-stage RLVR system that completely eliminates reliance on next token
prediction training (SFT), Jan-nano achieves 83.2% on SimpleQA benchmark with
MCP integration while running on consumer hardware. With 128K context length,
Jan-nano proves that intelligence isn't about scale, it's about strategy.