Stanford et Nvidia ont publié CLM-8B, un modèle d'IA qui rend les décisions des agents en temps réel environ neuf fois plus rapides que le système leader actuel. Le modèle, mis à disposition le 23 septembre, est le premier modèle de langage contrastif publié publiquement, une catégorie qui n'existait pas avant l'article de recherche qui l'accompagne.

CLM-8B égale les performances du modèle propriétaire Jev de TypeSafe AI sur plusieurs benchmarks tout en réduisant la latence à une fraction de ses niveaux antérieurs. Sur le benchmark du jeu T-Rex, CLM-8B a enregistré 16,5 millisecondes par décision, contre 149,8 millisecondes pour Jev. Pour les agents qui enchaînent de nombreuses décisions en une seule exécution, ce surcoût par décision s'accumule à chaque étape, ce qui explique pourquoi le chiffre de latence compte autant que les scores de précision.

Comment l'apprentissage contrastif change l'approche

Plutôt que de générer des réponses à partir de zéro, CLM-8B applique l'apprentissage contrastif pour construire un espace d'embedding partagé dans lequel coexistent états et actions. Lorsque le modèle détermine son prochain mouvement, il évalue les actions candidates selon leur proximité avec l'état actuel dans cet espace.

L'architecture repose sur un backbone Qwen3-8B figé. L'innovation centrale réside dans les têtes de projection — de petits modules entraînables d'environ 20 millions de paramètres chacun qui apprennent à mapper les entrées dans l'espace contrastif. Les poids du modèle de base restant verrouillés, les coûts de calcul restent maîtrisés tandis que les têtes légères effectuent l'essentiel du travail de sélection des actions. Chaque tête représente environ un quart de pour cent des huit milliards de paramètres du backbone, une asymétrie qui montre à quel point la portion du réseau réellement réentraînée est minime.

Dirigée par le chercheur Jacky Kwok, l'équipe décrit ces modèles comme des modèles « System One », un terme emprunté au cadre de Daniel Kahneman qui distingue la pensée rapide et intuitive du raisonnement lent et délibéré — un cadrage plaçant la prise de décision rapide et automatique, plutôt que la délibération prolongée, au centre de la conception.

Formation à grande échelle et résultats aux benchmarks

Le modèle a été entraîné en trois phases distinctes. Le pré-entraînement a utilisé 60 millions de paires question-réponse pour établir la compréhension de base. L'entraînement intermédiaire a introduit 30 millions de négatives difficiles synthétiques. Le post-entraînement a affiné le système sur 1 million de trajectoires agentiques.

Sur DeepSWE, un benchmark de programmation qui teste les capacités d'ingénierie logicielle, CLM-8B a obtenu 81,6 %. Sur Terminal-Bench 2.1, il a atteint 87,6 %. Ces deux résultats représentent des performances de pointe pour les modèles de cette gamme de paramètres, obtenus ici avec des poids librement téléchargeables plutôt qu'un système fermé.

Au-delà de la programmation, le modèle a démontré des performances zero-shot comparables à celles de J sur des tâches couvrant l'utilisation d'un ordinateur, des environnements de jeux tels que Super Mario et le WikiRacing. L'avantage en vitesse s'est maintenu dans tous les domaines testés, et pas seulement sur le benchmark T-Rex d'où provient le chiffre de 9x.

Poids ouverts sous Apache 2.0

CLM-8B est livré avec des poids ouverts sous licence Apache 2.0, une licence permissive qui autorise l'usage commercial et la redistribution avec attribution. Le code et les fichiers du modèle sont disponibles sur GitHub, et le système complet peut être auto-hébergé sur un seul GPU Nvidia à l'aide de vLLM — un profil de déploiement qui maintient les exigences matérielles à la portée des petites équipes, contrairement au modèle propriétaire Jev qu'il égale.

Un successeur multimodal, CLM-35B, est déjà en développement, avec une sortie prévue début octobre 2026. Cette publication constituera le prochain jalon pour déterminer si l'approche contrastive se transpose aux environnements multimodaux.