一款基於 Qwen3-8B 的新型對比語言模型（CLM）被提出，作為 TypeSafe AI 專有 Jev 模型的機能對等替代品。CLM 在凍結的 Qwen3-8B 編碼器之上使用具有兩個投影頭的對比學習目標，並透過 llama.cpp 原生支援 GGUF 量化模型的本地部署，實現了自托管服務。在 API 與功能介面層級，CLM 支援 Jev 的三大核心問題原語（Choice、Noul、Score），允許與 Jev 客戶端 API 直接相容。

事件背景

Jev 是 TypeSafe AI 開發的專有「System One」模型，旨在進行快速且結構化的決策，無需生成文字。CLM 代表了一種新的架構方法，利用對比學習來映射狀態與動作，旨在本地複製 Jev 的決策能力。

社群觀察

社群反應兩極，有人讚賞 CLM 打破了「Jev 封閉圈」並讓顯存不足的設備也能運行。然而，也有人指出 CLM 缺乏 Jev 的「零樣本廣域知識」，質疑它是否為真正的競爭對手，抑或僅是 specialized classifier。