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。 团队还测试了 CLM 给 Coding Agent 挑答案的能力。Opus 5 和 Fable 5 先生成多份候选方案，再由微调后的 CLM 选出一份。DeepSWE 上，CLM 把 Opus 5 的单次成功率从 73.7% 提到 81.6%；Terminal-Bench 2.1 上，则从 84.0% 提到 87.6%。CLM 本身不写代码，测的是它能否从现成方案里挑出更好的一个。 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。