Stanford-Nvidia CLM-8B 讓 AI 決策速度提升 9 倍

史丹佛大學與 Nvidia 發表了 CLM-8B，這是一個開源對比式語言模型，專為 AI 代理的快速即時決策而設計。在 T-Rex 基準測試中，CLM-8B 每次決策的延遲為 16.5 毫秒，而 TypeSafe AI 的專有 Jev 模型則為 149.8 毫秒。這代表速度提升約九倍，同時在多項測試中維持相當的效能。 CLM-8B 採用凍結的 Qwen3-8B 主幹模型，以及每個約 2,000 萬個參數的輕量可訓練投影頭。其對比學習系統會將狀態和動作映射到共用嵌入空間，讓模型可以選擇動作，而不是每次都從頭生成回應。 模型分三個階段訓練，使用了 6,000 萬組問答配對、3,000 萬個合成困難負例，以及 100 萬條代理軌跡。它在 DeepSWE 取得 81.6%，在 Terminal-Bench 2.1 取得 87.6%；開發團隊稱，這是其參數級別的最先進成果。CLM-8B 在電腦操作、遊戲與 WikiRacing 任務中的表現也與 Jev 相當。 模型的開放權重以 Apache 2.0 授權提供，並可透過 vLLM 在單張 Nvidia GPU 上執行。史丹佛大學與 Nvidia 也正在開發多模態 CLM-35B，目標於 2026 年 10 月初發布。對交易者而言，這項發布再次凸顯市場對 Nvidia AI 基礎設施的需求，但並非加密貨幣的直接催化劑。