Jais-3-375B-A23B（阿拉伯语旗舰混合专家模型）

是什么

Jais-3-375B-A23B 是一个稀疏混合专家（mixture-of-experts，MoE）语言模型。它总共存储 3750 亿参数，但每生成一个 token 只用到其中 230 亿^[1]。这种拆分是这类规模模型能实际提供服务的原因：容量随存储参数增长，而单个 token 上的计算量维持在远比它小的网络的水平，因为每个 token 只有一部分专家被激活。

它的上下文窗口是 51.2 万 token^[1]。实际效果是，一段输入可以承载几十万 token 之后才需要截断——长文档、很长的工具调用记录、或者大型代码库都可以放进去。部署它仍然很重：需要一台八卡 H200 节点，BF16 精度下约占 758 GB 显存^[2]。权重以 Apache 2.0 协议发布，另外还单独发布了一个 FP8 版本^[1]，给使用者提供了更轻量的部署选择。

由来

模型卡所在的 Hugging Face 仓库日期为 2026 年 9 月 29 日，比正式发布早了 two 周多^[1]。发布方基础模型研究所（Institute of Foundation Models，IFM）把这款模型描述为：在阿拉伯语上对标前沿闭源模型，同时保持开源发布^[3]。这个定位说明了它的比较对象是专有的前沿系统，而它主张的差异点在阿拉伯语能力，而不只是「开源」本身。

成绩

在 IFM 的阿拉伯语平均分上，Jais-3-375B-A23B 得 84.0，Qwen3.5-397B-A17B 为 82.0，MiniMax M3 为 78.7^[2]。智能体（agentic）平均分为 60.2^[2]，领先于参与对比的开源模型，但落后于 GPT-5.6 Sol 的 75.6^[2]。单项智能体成绩为 SWE-Bench Verified 70.2、BrowseComp 72.6、MCPMark 68.5^[2]。

读这些数字时有一个方法上的细节需要注意。在 375B 这一档，较小模型对比时使用的 BrowseComp-Plus 基准被换成 BrowseComp，并且每个模型都用各自的 harness 运行^[2]。智能体成绩高度依赖模型外围的脚手架——工具、提示词和驱动它的循环——所以按模型各自 harness 跑出来的分数，衡量的是各家交付的整套配置，而不是孤立状态下的裸模型。

位置

三点决定了这款模型的位置。第一是稀疏激活下的规模：3750 亿存储参数、每 token 230 亿，属于大型 MoE 这一档，一个模型可以同时做到知识面宽、单 token 运行成本可控。第二是 51.2 万 token 的上下文，把长文档和长轨迹的智能体任务纳入了单次请求能容纳的范围。第三是以阿拉伯语为首要目标、对标闭源前沿模型，并以 Apache 2.0 公开权重，另附单独的 FP8 版本^[1]。

智能体方面的结果勾勒出取舍。在阿拉伯语上，该模型在 IFM 公布的对比中处于最高位置^[2]；在智能体任务上，它胜过表中列出的开源模型，但仍明显低于该表中最强的闭源系统^[2]。智能体平均分上约 15 分的差距，如实说明了发布之时一个以阿拉伯语为核心的开源模型与闭源前沿之间的相对位置。

仓库日期是个很小但能说明问题的细节：权重和模型卡比正式发布早两周多就出现在 Hugging Face 上^[1]，也就是说发布宣布时，关注该仓库的人已经能拿到成品文件。