本周开源 CLM 模型在「Agent 决策」任务上比闭源 Jev 快 4-13 倍——这是开源阵营在该方向首次追平闭源。事件来自 Hugging Face 上一款刚发布的新模型，名字叫 CLM（Contrastive Language Models），它让 Jev 不再是唯一选项。
这是什么
Jev 和 CLM 解决的是同一个问题：让 AI Agent（能自主操作浏览器、游戏、软件的 AI 程序）在每一步做出「快思考」级别的判断。两者都提供三个基础判断接口——Choice（在多个选项中选一个）、Noul（判断一句话是真还是假）、Score（按打分标准给输入打分）。
关键差异在于：Jev 是云端闭源 API，不能微调（在已有模型上用自己的数据继续训练）；CLM 是开源模型，基于阿里通义千问 Qwen3-8B 构建，对外发布 75MB 的「决策头」权重（专门处理决策任务的小模块），企业可下载训练。
跑分上，CLM 在交互式 Agent（浏览器自动化、恐龙跑酷）上比 Jev 快 4 到 13 倍；针对编程 Agent 验证器（检查代码是否正确的子模块）专项微调后，CLM 在 Terminal-Bench 2.1 上达到 87.6%、DeepSWE 上达到 81.6%，而零样本（不微调、直接用）Jev 在 DeepSWE 上只有约 71%。
但 Jev 也有自己的优势。在伯克利函数调用排行榜 v4 上 Jev 得 99.2%，CLM-8B 是 95.2%。更关键的是上下文（模型一次能处理的文字长度）：Jev 出厂支持 64K token，CLM-8B 只在 2K 到 8K 范围内做过校准，超出 8K 的部分表现不稳定。
行业怎么看
Reddit LocalLLaMA 社区开发者普遍兴奋：「终于不用被 API 绑定了」「75MB 头部权重相当于可私有化部署的决策模块」。
但也有冷静甚至反对的声音。第一种质疑来自基准：CLM 的 87.6% 是微调后跑出来的，Jev 的 71% 是零样本跑的，不在同一基准，要真比较得让 Jev 也用同样数据微调。第二种担忧更现实：8K 上下文对很多企业场景是硬伤，长合同、长对话、多工具调用都装不下。第三种风险来自概率校准，CLM 输出概率相对候选集计算，金融、医疗这类需要稳定阈值的场景用起来别扭。
值得关心的是：AI Agent 技术栈正在分层——大模型做「慢思考」，专门模块做「快思考」，开源已在快思考模块上追平闭源。这比「又一个千亿参数大模型」更值得关注。
对普通人的影响
对正在自建 AI Agent 的企业 IT 部门：CLM 多了一个免 API 调用费、可私有化部署的选项；但 8K 上下文短板意味着不能直接替换 Jev，需要先评估任务是否落在 CLM 优势区间。
对个人职场中的软件工程师：75MB 决策头权重把微调门槛从「训练大模型」降到「下载+小数据集训练」，有 Agent 项目经验的人可以亲手试。
对消费市场：暂时没有直接影响。普通用户日常用的仍是通用大模型（ChatGPT、文心一言、通义千问），Agent 决策层开源进展不会直接体现在消费产品里。