CLM: Нова хвиля моделей System One для верифікації та швидкого прийняття рішень
Нова модель CLM працює у 9 разів швидше за Jev та краще підходить для ролі верифікатора в довгих задачах. Код і ваги доступні під ліцензією Apache 2.0.
Зверніть увагу на нову хвилю моделей «System One», якщо ви створюєте власні harness-системи на базі штучного інтелекту.
Спочатку з’явилася модель Jev. Тепер до неї долучилася Contrastive Language Model (CLM).
Ключові відмінності та переваги
- Швидкість: CLM працює у 9 разів швидше за Jev.
- Роль верифікатора: CLM краще справляється з функцією верифікації, особливо в задачах із довгим горизонтом виконання, де важливо швидко оцінювати проміжні кроки агента.
Технічні особливості: CLM проти Jev
Основна різниця полягає в архітектурі навчання:
- CLM (Contrastive Language Model) використовує контрастне навчання. Модель кодує поточну ситуацію та набір можливих дій у векторні представлення (ембеддинги), порівнює їхню схожість, а потім ранжує або обирає найбільш підходящий варіант.
- Jev навчається за допомогою методу Reinforcement Learning for Calibrated Decisions (RLCD). Ця модель отримує опис ситуації разом із заздалегідь визначеними запитаннями та повертає типізовані рішення з відповідними ймовірностями.
Чому це важливо
Суть в тому, що існує кілька способів вирішення завдання швидкого прийняття рішень («System One» мислення) в контексті ШІ-агентів. Різноманіття підходів дозволяє розробникам обирати оптимальну архітектуру під конкретні задачі — від швидкої верифікації до складного планування.
Код та ваги моделі опубліковані у відкритому доступі під ліцензією Apache 2.0:
Чому це важливо
АналітикаПоява швидших моделей типу System One, таких як CLM, критична для побудови ефективних ШІ-агентів, оскільки вони дозволяють значно прискорити цикли верифікації та прийняття рішень у складних завданнях.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
Thinking Machines представила Inkling 2 Small: MoE-модель, яка конкурує з більшими флагманами
Thinking Machines представила Inkling 2 Small — мультимодальну модель на архітектурі Mixture-of-Experts, яка за результатами тестів змагається з набагато більшими флагманами. Повні ваги обіцяють опублікувати наступного тижня під ліцензією Apache 2.0.
Jev та System One AI: повний практичний гайд по моделі рішень від TypeSafe
Глибокий інженерний розбір флагманської моделі Jev: архітектура System One проти LLM, примітиви Choice/Score/Noul, паралелізм запитів, математика впевненості, відео-кейси, код та огляд локальних open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: порівняння моделей 2026
Кожні кілька тижнів виходить нова модель, і щоразу ті самі запитання: чи варто переходити? що змінилося? за що платити?
System 1 Decision Engine
System 1 Decision Engine — це швидкий некласичний шар прийняття рішень для агентів, який замінює дорогі autoregressive виклики для маршрутизації, валідації схем і Guardrails. Архітектурний перехід зменшує p95 latency до 30–70 ms та токен-вартість на 90%+ без втрати контрольованості агентного циклу.