Qué es y para qué sirve
CLM-8B opera como un modelo de Sistema Uno entrenado con un objetivo de aprendizaje contrastivo que conecta estados y acciones. Su arquitectura permite cachear y reutilizar embeddings de forma independiente, lo que reduce significativamente los costos de entrenamiento y servicio. El modelo se pre-entrena en 60 millones de pares de preguntas y respuestas, se ajusta con 30 millones de negativos sintéticos y se post-entrena en 1 millón de trayectorias agénticas. En términos de rendimiento, CLM-8B iguala la capacidad de Jev en tareas de uso de ordenador, videojuegos y llamadas a herramientas, pero con hasta 9 veces menor latencia. Al aplicarle un ajuste fino ligero, establece nuevos récords en benchmarks de verificación de código agéntico, alcanzando el 87.6% en Terminal-Bench 2.1 y el 81.6% en DeepSWE. El acceso se realiza mediante una API compatible con TypeSafe, que permite formular preguntas tipadas sobre un estado dado para obtener respuestas probabilísticas o rangos de candidatos. El proyecto es de código abierto y está disponible en GitHub, permitiendo a la comunidad integrar el modelo en sus propios agentes y flujos de trabajo.
