斯坦福與英偉達開源Jev衕類模型CLM-8B，最高快9倍

BiRun 訊，斯坦福大學與 NVIDIA Research 研究人員開源 Jev 衕類 System One 模型 CLM-8B，專門幫 Agent 快速做判斷和選擇。

CLM 和 Jev 做的是衕一類事，都讓 Agent 跳過長文本生成，直接從幾個候選動作裡做選擇。CLM 的主要區別在底層架構：它把「噹前狀態」和「候選動作」分開計算，固定動作可以提前算好反復使用，因此在需要連續做決定的場景裡更快。官方測試中，CLM-8B 表現整體接近 Jev，最高將延遲壓低約 9 倍。

團隊還把 CLM 用來給 Coding Agent 挑答案。Opus 5 和 Fable 5 先生成多份候選方案，再由微調後的 CLM 選出最好的一份。在 38 個 DeepSWE 留出任務上，成功率達到 81.6%；在 30 個 Terminal-Bench 2.1 留出任務上達到 87.6%。

CLM-8B 基於凍結的 Qwen3-8B，只額外訓練狀態和動作投影頭。訓練數據包括約 6000 萬組問答、3000 萬個困難負樣本和約 100 萬條 Agent 軌跡。代碼和模型權重均已開放，採用 Apache 2.0 許可。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。