一句话核心：一个由斯坦福等机构研究者组成的团队发布 CLM-8B——一个用对比学习训练的「System One」模型。代码与权重均以 Apache 2.0 开源（权重发布在 Hugging Face），一张 RTX 4090 就能跑；项目自测称在 computer-use、游戏与工具调用任务上与 Jev 表现相当，延迟最多低 9 倍。这与 topic 175 的 Jev 恰好构成同一品类的两条路线：一条专有、一条开源。
背景脉络
- 9 月 15 日，TypeSafe AI 发布 Jev（本站 topic 175），把「System One 模型」这个品类带进视野：不生成文本，只输出带校准概率的类型化决策。
- 一周后，这条路线出现了开放实现。项目名为 Contrastive Language Models（CLM），本仓提供 CLM-8B；作者列表含 Christopher Ré、Azalia Mirhoseini、Marco Pavone 等（论文题《Contrastive Language Models: A System One Model for Fast and Generalizable Decision-Making》）。
- 项目明确把自己放在Jev 的对照位置上：它对外提供 TypeSafe 兼容 API——README 里，为 TypeSafe 写的请求可以直接重放为
client.system_one(state, questions)。⇒ 「开放实现兼容专有接口」，这本身是一个值得注意的策略选择。
关键细节
一、开源范围（本条最硬的部分）
- 代码以 Apache 2.0 发布；CLM-8B 权重同样以 Apache 2.0 发布在 Hugging Face（
huggingface.co/Contrastive-LM/CLM-v0.1-8B）；安装方式pip install contrastive-lm。 
注意区分：开源的是代码与权重；训练数据本身（Nemotron 问答、合成负例）未随仓库发布，只有数据配方的描述。
二、架构与数据配方
- 架构：每个编码器＝冻结的 LLM 主干 ＋ 2,000 万参数的可训练投影头；参考头约 75 MB；编码器用 Qwen3-8B（vLLM pooling）。推理即「新文本一次嵌入 ＋ 缓存候选做点积」。
- 数据配方：预训练 6,000 万条 Nemotron 问答对 → 中训练 3,000 万条合成困难负例 → 后训练 100 万条智能体轨迹；损失为双向 InfoNCE，README 称测试损失随训练算力、模型规模、数据规模呈幂律下降。
- 一条硬限制：状态超过 2048 token 会被截断（可通过同时抬高两处限制放宽，但需要更多显存）。
数据解读与口径
一、零样本：优势主要在延迟，不在成功率
项目称在 computer-use、游戏与工具调用任务上「与 Jev 相当，延迟最多低 9 倍」。官方图里逐项给的是：
| 任务 | CLM-8B 延迟 | Jev 延迟 | CLM-8B 成功率 | Jev 成功率 |
|---|---|---|---|---|
| T-Rex Game | 16.5 ms | 149.8 ms | 5/5 | 5/5 |
| 工具调用（BFCL V4） | 76.8 ms | 125.5 ms | 95.2% | 99.2% |
| Wikiracing | 79.8 ms | 225 ms | 26/30 | 30/30 |
| Super Mario | 33.5 ms | 132.6 ms | 5/5 | 5/5 |
⇒ 延迟上 CLM-8B 全面更低；但成功率上 Jev 在工具调用与 Wikiracing 两项反而更高。「与 Jev 相当」这句话不能读成全面持平或占优。
二、作为 verifier：这是它的主打结果
- 每个任务采样若干候选解（DeepSWE 用 Opus 5、Terminal-Bench 2.1 用 Fable 5），由 CLM 或 Jev 充当 verifier 挑出最好的一个。
- 轻量微调后，CLM 在 Terminal-Bench 2.1 得 87.6%、DeepSWE 得 81.6%，同时比 Jev 快 4.1–5.7 倍（图中：DeepSWE 79 ms vs 449 ms；Terminal-Bench 2.1 32 ms vs 131 ms）。
- 官方图同时给出 Jev 作 verifier 的成绩：DeepSWE 71.1%、Terminal-Bench 2.1 83.1%——均低于各自的 pass@1 基线（73.7%／84.0%），即项目所称「Jev 在这类长程任务上作 verifier 会低于 pass@1」。
三、三个必须一起读的限定
- 评测样本量小：DeepSWE 为 38 个留出任务（31/38 ＝ 81.6%）、Terminal-Bench 2.1 为 30 个留出任务；延迟在 H100 上测得。⇒ 87.6%／81.6% 不宜读成通用能力。
- 全部为项目自测：README 未提任何第三方复测。
- 与 Jev 的对比是作者选择的对标，不是第三方同条件对测；Jev 侧的数字取自何处，README 未说明。
四、发布日期：来源不一，README 内无日期
二手来源对发布日的说法不一致（MarkTechPost 标 9/23、explainx 写 9/24、钛媒体写 9/23），而官方 README 内没有日期。⇒ 本文写「本周发布（日期未精确确认）」。
五、一处口径澄清：媒体引用的「最低延迟 16.5 毫秒」，就写在官方结果图里（T-Rex Game 的 CLM 延迟）——它不是媒体自造的二手数字。
价格与成本
CLM-8B 是开源权重，没有 API 定价——成本结构是「自备硬件、零调用费」（官方演示用一张 RTX 4090 跑 Qwen3-8B 编码器）。
对照 topic 175 的 Jev：Jev 是专有 API（输入 $0.042／百万 token、输出免费，early access，未开放权重）。⇒ 两条路线的成本结构不同：一条是「按量付费、零运维」，一条是「一次性硬件投入、零边际调用成本」。哪条更便宜取决于调用量，不是一句话能比的。
辩证评估
为什么值得跟：
- 它把「System One」这个品类从一家公司的专有产品变成可下载、可自建、可复现的东西——Apache 2.0 权重 ＋ 一张 4090，门槛低到个人开发者可以试；
- 它主动兼容对手的 API：这不是技术必需，而是一个策略选择——「接口兼容＝事实标准」的常见打法。
反向视角：
- 全部数字为项目自测，无第三方复测；
- 评测样本量小（38／30 个任务），87.6%／81.6% 不等于通用能力；
- 「与 Jev 同级」在成功率上并不总成立——工具调用与 Wikiracing 两项 Jev 更高；
- 架构上界：它是「冻结主干 ＋ 小投影头」，能力受 Qwen3-8B 编码器限制，且状态超 2048 token 被截断——长上下文任务不是它的强项；
- 对标由作者选择，不是第三方同条件对测；
- 开源的是代码与权重，训练数据未开放。
已知 vs 待验证
已证实（官方仓库一手，逐项核对）：代码与权重均为 Apache 2.0；权重在 Hugging Face；架构（冻结主干＋2,000 万参数投影头、Qwen3-8B 编码器、75 MB 参考头）；数据配方（6,000 万／3,000 万／100 万）；InfoNCE 损失与幂律缩放描述；2048 token 截断；TypeSafe 兼容 API；两张官方结果图上的全部数字。
待验证 / 未取到：
- 精确发布日期（三种二手说法不一，README 无日期）；
- 第三方独立复测——未见；
- Jev 侧对照数字的来源与测量条件——README 未说明；
- 「16.5 ms」的测量条件（图注未给）；
- 训练数据的可获取性——数据配方已描述，数据本身未发布。
给读者的建议
- 想试「System One」类决策的团队：这是目前门槛最低的入口——Apache 2.0、
pip安装、一张 4090 可跑。建议先在自己的数据上做可行性验证，而不是直接替换生产。 - 做选型与采购的：先在自己的任务上复现「38／30 个任务」这个量级的评测，再决定；不要拿 README 的 87.6% 当通用能力，也不要只看延迟倍数（成功率上 Jev 有两项更高）。
- 关注开源的：明确区分「权重开源」与「数据开源」——本项目是前者；如果你的场景需要长上下文（>2048 token），先确认截断对任务的影响。
- 内容写作者：不要把「与 Jev 同级」写成「全面超过 Jev」；不要把 38／30 个任务的成绩写成通用能力；不要把「开源」写成「数据也开源」；引用的数字请标「项目自测」。
来源
官方来源
- 项目官方仓库（一手，README 21,687 字节，含两张结果图）：https://github.com/Contrastive-LM/CLM
- 权重页（Apache 2.0）：https://huggingface.co/Contrastive-LM/CLM-v0.1-8B
- 作者博客（Notion，缩放律与拟合细节）：https://contrastive-lm.notion.site
独立来源
- MarkTechPost（2026-09-23）：https://www.marktechpost.com/2026/09/23/
- explainx（2026-09-24）：https://explainx.ai/blog/contrastive-language-model-clm-8b-system-one-9x-faster-than-jev-2026
- 钛媒体 Edge AI 早报（9/25）：https://www.tmtpost.com/8152365.html
本站相关（背景）
- topic 175（TypeSafe Jev：同品类的专有路线）、topic 171（COBRA-Skills）、topic 154（平台原生 Skills）
说明：本条为项目自测口径，性能数字均取自官方仓库 README 与其结果图；发布日期因来源不一，本文按「本周发布（日期未精确确认）」处理。配图为该项目官方仓库的结果图，图注已标来源。