Jais-3-7B（可在单卡运行的阿拉伯语模型）

是什么

Jais-3-7B 是 Jais 3 系列中的稠密（dense）7B 成员，上下文窗口为 512,000 个 token^[1]。稠密意味着模型在处理每个 token 时都会用上全部参数，这一点与只激活部分网络的混合专家（mixture-of-experts）结构不同。上下文窗口指一次请求能同时容纳的文本量，包括提示、文档、代码以及模型自己的输出；512,000 个 token 足以放下整本书长度的材料，或者一个规模不小的代码仓库。在 BF16 精度下，它约占 18 GB 显存，因此可以在单张 GPU 上运行^[2]。模型面向阿拉伯语和英语，模型卡把其他语言列为适用范围之外^[1]。

由来

模型于 2026 年 10 月 15 日与 Jais 3 系列的其他成员一同发布^[3]。它的训练过程公开得相当细致：继续预训练（continued pre-training）、冷却（cooldown）、FTPO 与监督微调（SFT）各阶段的检查点，都以代码仓库分支的形式发布^[1]。也就是说，外界拿到的不只是训练完成的模型，还包括上述各阶段结束时的中间状态。对研究阿拉伯语能力如何在一次训练过程中逐步形成的团队来说，这些分支让过程可以直接被观察，而不必靠最终权重去反推。

思考怎么返回

当模型在作答前先进行推理，思考过程放在单独的 reasoning_content 字段，最终答案放在 content 字段^[1]。把两者分开，应用可以自行决定显示、记录或隐藏中间推理，而不必再从答案文本里把它剥离出来。推理强度（reasoning effort）按请求通过对话模板设置，IFM 表示其所报告的所有结果都采用 high 设置^[1]。模型卡还建议，开启思考模式时至少预留 32,768 个输出 token，因为推理文本本身也是输出，会占用输出预算^[1]。

成绩

在 IFM 的阿拉伯语平均分上，Jais-3-7B 得到 79.4，上一代旗舰 Jais 2 70B 为 66.7^[2]。在 IFM 的智能体（agentic）平均分上，它是 49.5，Gemma 4 12B 为 21.0^[2]。它在 SWE-Bench Verified 上得 70.2，在 BrowseComp-Plus 上得 67.7^[2]。在阿拉伯语长上下文基准 AA-LCR 上，它得 65，Gemma 4 12B 为 49^[2]。这组对比把它分别放在阿拉伯语任务上与上一代旗舰比较、在智能体与长上下文任务上与 Gemma 4 12B 比较。

局限与定位

IFM 提醒，模型可能生成不准确的内容，在没有人工监督的情况下不应承担高风险决策^[1]。语言范围也刻意收窄：只支持阿拉伯语和英语，其他语言不在范围内^[1]。能单卡运行的那个体积，也说明它的定位是与同系列中更大的成员并列发布，而不是取而代之^[2][3]。