उत्तरप्रकाशित21 स्रोत
Clover-35B-A3B: कोडिंग एजेंटों के लिए डिफ्यूज़न मॉडल कितना असरदार है?
Clover 35B A3B Preview एक ओपन वेट, टेक्स्ट आधारित डिफ्यूज़न भाषा मॉडल है। इसमें कुल 35 अरब पैरामीटर हैं और हर टोकन के लिए लगभग 3 अरब सक्रिय होते हैं। यह एक एक टोकन आगे बढ़ने के बजाय टेक्स्ट को ब्लॉक में बनाता है। यह तरीका अपने आप में सही टूल कॉल या असफल कदमों से भरोसेमंद वापसी की गारंटी नहीं देता। DiffuSpace ने एक G...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Clover 35B A3B Preview एक ओपन वेट, टेक्स्ट आधारित डिफ्यूज़न भाषा मॉडल है। इसमें कुल 35 अरब पैरामीटर हैं और हर टोकन के लिए लगभग 3 अरब सक्रिय होते हैं।
- यह एक एक टोकन आगे बढ़ने के बजाय टेक्स्ट को ब्लॉक में बनाता है। यह तरीका अपने आप में सही टूल कॉल या असफल कदमों से भरोसेमंद वापसी की गारंटी नहीं देता।
- DiffuSpace ने एक GB300 पर 680 टोकन प्रति सेकंड तक की गति बताई है। अलग वेब एजेंट रिपोर्ट में 49 कामों के लिए 1.52 सेकंड का मीडियन समय दर्ज किया गया।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DiffuSpace’s Clover-35B-A3B-Preview, open-sourced on October 29, 2026 by the team behind Dream 7B, and how does it target coding, to. Article summary: Clover-35B-A3B-Preview is DiffuSpace’s open-weight, text-only diffusion language model, adapted from Qwen3.6-35B-A3B and associated with the HKU team behind Dream 7B; its reported emphasis is agentic coding and tool use . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
DiffuSpace का Clover-35B-A3B-Preview एक ओपन-वेट, केवल-टेक्स्ट वाला डिफ्यूज़न भाषा मॉडल है, जिसे Qwen3.6-35B-A3B के आधार पर बनाया गया है। इसका जोर सामान्य चैट के बजाय कोडिंग और टूल इस्तेमाल करने वाले AI एजेंटों पर है। DiffuSpace ने एजेंट-केंद्रित बेंचमार्क में मजबूत स्कोर बताए हैं, लेकिन उपलब्ध जानकारी से इन नतीजों की स्वतंत्र पुष्टि नहीं होती। यह भी साबित नहीं होता कि मॉडल लंबे और गलती-संभावित कामों को लगातार भरोसेमंद तरीके से पूरा कर सकता है। 3
5
21
Clover का ब्लॉक डिफ्यूज़न कैसे काम करता है?
आम तौर पर ऑटोरिग्रेसिव भाषा मॉडल टेक्स्ट को बाएँ से दाएँ, एक टोकन के बाद दूसरा टोकन बनाते हैं। Clover इसके बजाय ब्लॉक डिफ्यूज़न इस्तेमाल करता है: हर ब्लॉक के भीतर टेक्स्ट पर दोनों दिशाओं से ध्यान दिया जा सकता है, जबकि उससे पहले तय हो चुका टेक्स्ट—यानी कारणात्मक प्रीफ़िक्स—बरकरार रहता है। 2
4
यह मॉडल Qwen3.6-35B-A3B पर आधारित है और इसे मिक्सचर-ऑफ़-एक्सपर्ट्स (MoE) मॉडल बताया गया है। इसमें कुल 35 अरब पैरामीटर और हर टोकन के लिए करीब 3 अरब सक्रिय पैरामीटर हैं। मॉडल विवरण में थिंकिंग मोड और लगभग 128K टोकन की कॉन्टेक्स्ट विंडो का भी उल्लेख है। 5
8
उपलब्ध विवरण ब्लॉक-डिफ्यूज़न डिज़ाइन के साथ सीखे हुए Gated DeltaNet पैरामीटर का जिक्र करते हैं। लेकिन इन स्रोतों में Gated DeltaNet को किस तरह बदला गया है या सीखने योग्य ब्लॉक-साइज़ कैलिब्रेशन की भूमिका क्या है, इसे परखने लायक पर्याप्त जानकारी नहीं है। 2
7
एजेंट के दावे क्या बताते हैं—और क्या नहीं?
DiffuSpace ने Clover को एजेंट-आधारित कोडिंग और टूल इस्तेमाल के लिए पेश किया है। बताए गए नतीजों में सॉफ़्टवेयर की गड़बड़ी ठीक करने, टर्मिनल में काम करने और फ़ंक्शन-कॉलिंग से जुड़े बेंचमार्क शामिल हैं। एक अलग रिपोर्ट में वेब-एजेंट का मूल्यांकन और नामांकन, इनवॉइस संभालने तथा जानकारी खोजने जैसे कामों के उदाहरण दिए गए हैं। 21
उपलब्ध साक्ष्य यह नहीं बताते कि Clover फ्रंट-एंड कोड या इंटरफ़ेस बनाने में कैसा प्रदर्शन करता है। यह भी साबित नहीं है कि ब्लॉक डिफ्यूज़न अपने आप गलत फ़ॉर्मैट वाले टूल-कॉल या बार-बार असफल कोशिशों को रोकता है। इन सवालों के जवाब के लिए काम के स्तर पर परीक्षण चाहिए; केवल गति या बेंचमार्क स्कोर से भरोसेमंद व्यवहार तय नहीं होता।
बताए गए बेंचमार्क नतीजे
नीचे दिए गए स्कोर DiffuSpace या उसकी रिपोर्टिंग करने वाले स्रोतों के हैं। इन्हें स्वतंत्र रूप से सत्यापित नतीजे नहीं समझना चाहिए। 21
| मूल्यांकन | रिपोर्ट किया गया स्कोर |
|---|---|
| SWE-bench Verified | 73.6 |
| Terminal-Bench 2.1 | 51.7 |
| τ³ Overall | 65.3 |
| BFCL-v4 | 67.9 |
उपलब्ध स्रोतों में Qwen3.6-35B-A3B या इसी आकार के दूसरे ऑटोरिग्रेसिव मॉडलों के साथ तुलना करने के लिए पर्याप्त समान मूल्यांकन-विवरण नहीं हैं। इसलिए सटीक बढ़त के दावों को सावधानी से देखना चाहिए—खासकर जब तक मॉडल सेटिंग और परीक्षण की परिस्थितियाँ एक जैसी न हों।
गति और वेब-एजेंट के नतीजे
एक मॉडल तुलना पेज DiffuSpace के माप के आधार पर एक NVIDIA GB300 पर अधिकतम 680 टोकन प्रति सेकंड की गति बताता है। 27 WindTunnel वेब-एजेंट की अलग रिपोर्ट में 49 काम शामिल थे और हर काम को तीन बार आज़माया गया। उसमें Clover का मीडियन निष्पादन समय 1.52 सेकंड बताया गया, जबकि Jev और Mercury 2.5 के संयोजन के लिए यह 3.21 सेकंड था। उसी रिपोर्ट में कोशिशों की सफलता दर क्रमशः 98.6% और 95.9% दी गई है। ये रिपोर्ट किए गए मूल्यांकन के नतीजे हैं—हर ब्राउज़र वर्कफ़्लो में ऐसी ही कामयाबी का प्रमाण नहीं।
21
उपलब्ध स्रोत Clover की एक H200 पर गति या DFlash2 स्पेक्युलेटिव डिकोडिंग के साथ सीधी तुलना की पुष्टि नहीं करते। समुदाय का ZeroGPU डेमो दर्ज है, लेकिन होस्ट किया गया डेमो अपने आप में बेंचमार्क नहीं होता। 1
वेट, लाइसेंस और रिलीज़ की तारीख
Clover के आधिकारिक मॉडल वेट Hugging Face पर उपलब्ध हैं और DiffuSpace ने स्थानीय इनफ़रेंस के लिए आधिकारिक GGUF रिपॉज़िटरी भी दी है। 5
6 PC Watch ने Apache 2.0 लाइसेंस का उल्लेख किया है। उसकी रिपोर्ट के अनुसार Transformers के लिए इनफ़रेंस कोड उपलब्ध है, जबकि SGLang और llama.cpp के लिए सपोर्ट कोड तथा सेटअप निर्देश आगे जारी किए जाने थे।
17
रिलीज़ की तारीख को लेकर स्रोतों में अंतर है: PC Watch चीन के समय के अनुसार 28 अक्टूबर बताता है, जबकि DiffuSpace का Hugging Face लॉन्च लेख 30 अक्टूबर का है। 3
17 समुदाय का ZeroGPU चैट डेमो भी दर्ज है, लेकिन एजेंट हार्नेस या डेस्कटॉप कोडिंग क्लाइंट की प्रस्तावित योजना से जुड़ी जानकारी की उपलब्ध स्रोत पुष्टि नहीं करते।
1
अभी क्या निष्कर्ष निकालें?
Clover ओपन-वेट मॉडल में ब्लॉक डिफ्यूज़न को कोडिंग और टूल-आधारित एजेंटों के लिए इस्तेमाल करने की उल्लेखनीय कोशिश है। इसकी बनावट एक-एक टोकन आगे बढ़ाने वाले सामान्य तरीके से अलग है और बताए गए बेंचमार्क व गति के नतीजे आगे जाँचने लायक हैं। फिर भी, इन दावों को फिलहाल शुरुआती मानना चाहिए। स्वतंत्र परीक्षणों में सही टूल-कॉल फ़ॉर्मैट, गलती के बाद सुधार, लंबे काम पूरे करने की क्षमता और शुरू से अंत तक लगने वाला समय देखना ज़रूरी होगा—सिर्फ़ टोकन प्रति सेकंड नहीं।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Clover-35B-A3B: कोडिंग एजेंटों के लिए डिफ्यूज़न मॉडल कितना असरदार है?" का संक्षिप्त उत्तर क्या है?
Clover 35B A3B Preview एक ओपन वेट, टेक्स्ट आधारित डिफ्यूज़न भाषा मॉडल है। इसमें कुल 35 अरब पैरामीटर हैं और हर टोकन के लिए लगभग 3 अरब सक्रिय होते हैं।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Clover 35B A3B Preview एक ओपन वेट, टेक्स्ट आधारित डिफ्यूज़न भाषा मॉडल है। इसमें कुल 35 अरब पैरामीटर हैं और हर टोकन के लिए लगभग 3 अरब सक्रिय होते हैं। यह एक एक टोकन आगे बढ़ने के बजाय टेक्स्ट को ब्लॉक में बनाता है। यह तरीका अपने आप में सही टूल कॉल या असफल कदमों से भरोसेमंद वापसी की गारंटी नहीं देता।
मुझे अभ्यास में आगे क्या करना चाहिए?
DiffuSpace ने एक GB300 पर 680 टोकन प्रति सेकंड तक की गति बताई है। अलग वेब एजेंट रिपोर्ट में 49 कामों के लिए 1.52 सेकंड का मीडियन समय दर्ज किया गया।