Jais 3 对比 Jais 2：同一实验室，十个月，以及一个截然不同的模型

Jais 3系列与Jais-2-70B-Chat出自同一实验室，前后相隔十一个月；如果你只看参数量，你会得出新版本反而开了倒车的结论。Jais-2-70B-Chat是 2025 年 12 月 9 日发布的 70B 稠密模型。Jais 3的旗舰，Jais-3-375B-A23B，存储 375B 参数，每个 token 激活其中 23B。稠密模型Jais-3-32B的规模不到 Jais 2 的 70B 的一半。这并非退步——这正是换代的意义所在，而在 Hub 上验证这一点只需大约两分钟。Jais 2 是一个聊天模型，带有权限门控的许可证文件，标签里还带论文编号。Jais 3 则是一个由七个开放检查点组成的系列，其推理部署方案比自家新闻稿还早十天发布。真正有用的问题不是哪个分数更高，而是哪个能让你在其上继续构建，而这个答案的每一行都指向同一个方向。

门控是第一处区别，而且它并非表面功夫

Jais-2-70B-Chat 和 Jais-2-8B-Chat 在 Hub 上都标着门控：自动。自动门控意味着自动审批——你接受条款后即可获得访问权限——但接受本身仍是一个步骤，而且 70B 的模型卡在未经认证读取时会返回 HTTP 401。在先行同意某些条款之前，你无法看到模型对自身的描述。

• Jais 3 基础检查点均未设门控。 inception42/Jais-3-375B-A23B、Jais-3-32B、Jais-3-7B、Jais-3-3.7B、Jais-3-0.9B 和 Jais-3-MoVA-36B-A4B 全部无需身份验证即可读取，全部采用 Apache 2.0 许可，且模型卡中都附有基准测试表格。

• 量化版本和边缘版本同样不设访问限制。FP8 检查点、适用于 llama.cpp 和 Ollama 的 GGUF，以及覆盖整个 IFM 组织的 MLX 4 位、8 位和 bf16 版本。32B 的 MLX 版本于 10 月 1 日上线，3.7B 和 7B 的 GGUF 则于 10 月 13 日上线。

• 十一个月过去，Jais 2 的覆盖面依然很小。70B 版本在 Hub 上累计下载量约为 1,752 次，8B 的 GGUF 构建版本约为 340 次。这些数字所描述的并不是一个已投入生产使用的模型——它们描述的只是一个发布过、设有访问门槛、却鲜少被使用的模型。

• 许可证文本 — Apache 2.0 同样在 Jais 2 的卡片元数据中声明，因此许可证从来都不是障碍。真正的关卡是。

两种不同的型号设计，而非同一设计的两种尺寸

架构上的断裂比命名所暗示的更大。

• Jais 2 声明了 model_type: jais2，搭配 Jais2ForCausalLM 以及一个源自 Llama 的聊天模板 — <|start_header_id|> 和 <|eot_id|> 标记，一个 ai 角色用于助手回合。它是一个常规的稠密解码器，在熟悉的设计之上有着自己的架构名称。

• Jais 3 将 model_type 声明为 k2_horizon，并使用 K2HorizonForCausalLM——这完全是另一条技术谱系，只是与 IFM 的 K2-Horizon 研究模型共用命名，并且由于实现是自定义的，每个服务命令中都需要--trust-remote-code。

• 该旗舰模型是一个拥有192个专家的混合专家模型，每个token路由8个专家。Jais 2 完全没有 MoE 变体；已发布的两个 Jais 2 检查点均为稠密模型。

• Jais-3-MoVA-36B-A4B 在 MoE 之上加入了混合价值（Mixture-of-Values）注意力/strong> —— 存储 360 亿参数，每个 token 激活 40 亿参数。这种设计在 Jais 2 中从未出现过。

• 上下文是结构性的分水岭。除 0.9B 之外，Jais 3 的每一个检查点都能跑到 524,288 个 token。Jais 2 的模型卡元数据根本没有公布上下文长度，而且该系列的部署文档也不像 Jais 3 那样以成文形式存在。

Jais 3 新增了哪些 Jais 2 无法做到的功能

这是简略版，说明为什么较新的系列属于不同的产品类别。

• 推理分离。 --reasoning-parser k2_horizon将思维轨迹放入reasoning_content，答案放入content。深度随后成为按请求设置的参数——reasoning_effort: high或low——而非固化在检查点中的内容。

• 使用解析器进行工具调用，并支持三种传输格式。 --tool-call-parser k2_horizon 加上 --enable-auto-tool-choice，并可通过 json、xml 和 xml_typed 按请求选择。Jais 2 的模型卡宣传的是对话用途；工具使用不在其声明能力集内。

• 可供检查的分阶段检查点。Jais 3 在旗舰仓库中分别发布 CPT、Cooldown、FTPO 和 SFT 分支。对于训练动态研究而言，这正是模型与案例研究之间的区别。

• 训练日志公开。IFM 为旗舰模型关联了一个 W&B 项目。Jais 2 只列出了一个论文标识符，没有提供其他任何可操作的内容。

• 一条规模阶梯。Jais 2 已发布的文本模型为 70B 和 8B。Jais 3 涵盖 0.9B、3.7B、7B、32B、36B-A4B 和 375B-A23B，因此既有能适配单块 GPU 的检查点，也有能承载雄心壮志的检查点。Adapter 和 -Uno变体也与它们并列提供。

阿拉伯语 I/O 模型是 Jais 2 在覆盖范围上仍然胜出的唯一领域

有一件事是 Jais 2 能做到、而任何 Jais 3 文本检查点都做不到的，文章若不说出来就不诚实：Jais 2 系列按设计就是有文档记录的双语阿拉伯语和英语，论文标识符 arxiv:2608.13580同时附属于两个 Jais 2 仓库。Jais 3 的模型卡也声明支持阿拉伯语和英语，其基准测试套件绝大多数以阿拉伯语为重点——Arabic MMLU、AraSTEM、Arabic GSM8K、方言识别、IslamicQA、阿拉伯文化、变音符号标注、句法分析。

区别在于工作投向何处。Jais 2 的主张是双语对话对等。Jais 3 的主张是阿拉伯语原生深度——方言、文化、伊斯兰知识、变音符号，以及阿拉伯语中的智能体行为。这些是不同的押注，而一个工作量确实有一半是英语的团队，在认定 Jais 3 会在这一维度上取代 Jais 2 之前，应该先读一读 Jais 2 的文档。

Jais 3 在语音方面相较 Jais 2 所具备的，与其说是后继者，不如说是一个同辈兄弟：Jais-ASR 是一个独立模型，基于 Jais-3-4B 主干构建，覆盖现代标准阿拉伯语以及来自 19 个阿拉伯国家的方言，并支持与英语、法语、西班牙语和意大利语的语码混用，以 Apache 2.0 许可发布，配有自有的 vLLM 插件和自有的基准测试集。如果你的流水线是语音输入、文本输出，那它就是你想要的 Jais-3 世代产物，而 Jais 2 中没有任何与之等价的东西。

没有人能诚实做出的比较

Jais 3 与 Jais 2 之间没有已发布的直接对比，本文也不会构建一项。Jais 3 的模型卡是针对参考模型报告的——Qwen 3.5、MiniMax M3、Gemma 4、Falcon-H1、Muse-Glimmer、Fanar 2——而不是针对 Jais 2。Jais 2 自己的基准测试数字位于一个受限模型卡中，是在较旧的测试框架上生成的，这两组数据并不可比。Jais 3 表格中的每个数字都是 IFM 自己的，未经任何第三方验证，Jais 2 发布的任何内容也是如此。

在没有测试框架的情况下，能说明的是迁移实际需要付出的成本，而这正是从业者需要了解的部分。Jais 3 需要 --trust-remote-code，一个 k2_horizon 推理解析器，一个 k2_horizon 工具调用解析器，以及依赖语言的采样——在思考模式下，英语温度为 1.0，阿拉伯语为 0.7，而思考模式之外默认为 0.2。它还需要至少 32,768 个输出 token 的预算。这些都不是 Jais 2 集成的直接替换方案，照搬 Jais 2 的请求体会产生糟糕的输出，其原因看起来像是模型质量问题，但实际上是配置问题。

如何以实验而非迁移的方式运行升级

任何人都不应仅凭厂商的基准测试表，就把运行良好的阿拉伯语工作负载换成未经证实的模型。正确的做法是并排对比：相同的提示词、两个模型，由你自己打分，只有到那时才切换流量。Jais 3 的许可证让这在权重层面变得轻而易举——Apache 2.0，无需审批门槛，附带 vLLM 和 SGLang 的配方及精确参数标志，并且旗舰型号还提供了与 NVIDIA 配置一同验证过的 AMD MI355X 配置。

在请求层面，让并排对比变得便宜的关键，是不必搭建两套集成。OrcaRouter 是一个覆盖 200 多个模型的 API，0% 加价，按提供商标价透传，并且 它的路由 DSL 正是为这种对比而构建——你把两个模型组合进一次调用，就能取回两个答案，而不必维护两个客户端和一个差异脚本。 自动故障转移覆盖了问题的另一半：一个未经证实的生成版本可以承担一部分生产流量，而某个已经过衡量的模型吸收其余流量；糟糕的响应路径会故障转移，而不是让请求失败。Jais 2 和 Jais 3 目前都不在我们的目录中，所以 在围绕自托管进行设计之前，请查看模型列表——如果你感兴趣的是比较而不是部署，那么这份列表就是变化最快的东西。

诚实的结语是这样的：Jais 3 并不是更大的 Jais 2，而是一次不同的实验室尝试，采用开放许可证、六档规模的梯级和一个面向智能体的服务界面，而两者之间的十一个月带来的不只是规模。它是否更适合你的工作，只有你的提示词能回答，而迄今为止关于它的唯一公开证据来自厂商自己。