斯坦福与英伟达开源Jev同类模型CLM-8B，最高快9倍

动察 Beating AI 快讯，斯坦福大学与 NVIDIA Research 研究人员开源 Jev 同类 System One 模型 CLM-8B，专门帮 Agent 快速做判断和选择。 CLM 和 Jev 做的是同一类事，都让 Agent 跳过长文本生成，直接从几个候选动作里做选择。CLM 的主要区别在底层架构：它把「当前状态」和「候选动作」分开计算，固定动作可以提前算好反复使用，因此在需要连续做决定的场景里更快。官方测试中，CLM-8B 表现整体接近 Jev，最高将延迟压低约 9 倍。 团队还把 CLM 用来给 Coding Agent 挑答案。Opus 5 和 Fable 5 先生成多份候选方案，再由微调后的 CLM 选出最好的一份。在 38 个 DeepSWE 留出任务上，成功率达到 81.6%；在 30 个 Terminal-Bench 2.1 留出任务上达到 87.6%。 CLM-8B 基于冻结的 Qwen3-8B，只额外训练状态和动作投影头。训练数据包括约 6000 万组问答、3000 万个困难负样本和约 100 万条 Agent 轨迹。代码和模型权重均已开放，采用 Apache 2.0 许可。