CLM: Новая волна моделей System One для быстрой верификации
Новая модель CLM работает в 9 раз быстрее Jev и лучше справляется с ролью верификатора в задачах с длинным горизонтом. Код и веса опубликованы под лицензией Apache 2.0.
Обратите внимание на новую волну моделей System One, если вы создаёте собственные harness-системы.
Сначала Jev. Теперь Contrastive Language Model (CLM).
Ключевые отличия
- Скорость: CLM работает в 9 раз быстрее, чем Jev.
- Верификация: Похоже, что CLM лучше справляется с ролью верификатора, особенно в задачах с длинным горизонтом выполнения.
Чем отличаются Jev и CLM?
- CLM использует контрастное обучение. Модель кодирует ситуацию и возможные действия в эмбеддинги, сравнивает их сходство, а затем ранжирует или выбирает наиболее подходящий вариант.
- Jev обучается с помощью Reinforcement Learning for Calibrated Decisions (RLCD). Модель получает ситуацию вместе с заранее определёнными вопросами и возвращает типизированные решения с вероятностями.
Суть
Суть в том, что существует несколько способов решать эту задачу, и это действительно интересно. Разнообразие архитектур позволяет выбирать оптимальный инструмент для конкретных задач в рамках агентных систем.
Код и веса опубликованы под лицензией Apache 2.0:
Почему это важно
АналитикаБолее быстрые модели типа System One, такие как CLM, критически важны для снижения задержек в циклах верификации и принятия решений автономными агентами.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Thinking Machines выпустила Inkling 2 Small: MoE-модель, которая конкурирует с более крупными флагманами
Thinking Machines выпустила Inkling 2 Small — мультимодальную модель на архитектуре Mixture-of-Experts, которая по результатам тестов конкурирует с более крупными флагманами. Полные веса обещают опубликовать на следующей неделе под лицензией Apache 2.0.
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: сравнение моделей 2026
Каждые несколько недель выходит новая модель, и каждый раз те же вопросы: стоит ли переходить? что изменилось? за что платить?
Laya: открытый System 1 decision engine на ModernBERT
Laya — открытый Apache 2.0 decision-encoder на ModernBERT-large для мгновенного выбора действия по JSON/text состоянию агента за один Forward Pass (~33–35 мс на self-hosted GPU). Он решает проблему дорогих LLM ReAct loop в high-QPS маршрутизации, Guardrails и local agents, заменяя часть reasoning на калиброванную System 1 классификацию.