답변게시됨21 소스
블록 단위로 생성하는 AI ‘클로버’, 에이전트 성능은 아직 검증이 필요하다
클로버 35B A3B Preview는 코딩과 도구 사용 에이전트를 겨냥한 텍스트 전용 확산 언어 모델이다. 총 파라미터는 350억 개, 토큰당 활성 파라미터는 약 30억 개다. 기존처럼 토큰을 하나씩 왼쪽에서 오른쪽으로 생성하는 대신 블록 단위로 텍스트를 만든다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 클로버 35B A3B Preview는 코딩과 도구 사용 에이전트를 겨냥한 텍스트 전용 확산 언어 모델이다. 총 파라미터는 350억 개, 토큰당 활성 파라미터는 약 30억 개다.
- 기존처럼 토큰을 하나씩 왼쪽에서 오른쪽으로 생성하는 대신 블록 단위로 텍스트를 만든다. 이 구조만으로 도구 호출 형식이나 실패 후 복구가 안정적이라고 입증되는 것은 아니다.
- DiffuSpace는 단일 GB300에서 초당 최대 680토큰을 보고했고, 별도 웹 에이전트 평가에서는 49개 작업의 중앙 실행 시간으로 1.52초를 제시했다.
AI 프롬프트
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
DiffuSpace의 클로버-35B-A3B-Preview는 Qwen3.6-35B-A3B를 바탕으로 만든 오픈 웨이트·텍스트 전용 확산 언어 모델이다. 일반적인 대화보다 코딩과 도구를 사용하는 에이전트 작업에 초점을 맞췄다. DiffuSpace는 에이전트 벤치마크에서 좋은 점수를 공개했지만, 현재 자료만으로는 결과를 독립적으로 확인하거나 길고 오류가 잦은 작업 흐름에서도 모델이 안정적으로 작동한다고 단정하기 어렵다. 3
5
21
클로버의 블록 확산 방식
자동회귀 언어 모델은 보통 앞에서부터 토큰을 하나씩 이어 붙여 문장을 만든다. 클로버는 이와 달리 텍스트를 블록 단위로 생성한다. 각 블록 안에서는 양방향 어텐션을 사용하되, 현재 블록 앞에 이미 확정된 텍스트인 인과적 접두부는 유지하는 방식이다. 2
4
모델은 Qwen3.6-35B-A3B를 기반으로 하며, 총 350억 개의 파라미터 가운데 토큰마다 약 30억 개를 활성화하는 전문가 혼합(MoE) 구조로 소개됐다. 모델 설명에는 사고 모드와 약 128K 토큰의 컨텍스트 길이도 기재돼 있다. 5
8
공개된 설명은 블록 확산 설계에 학습된 Gated DeltaNet 파라미터가 쓰인다고 언급한다. 다만 Gated DeltaNet을 구체적으로 어떻게 재구성했는지, 블록 크기를 학습 가능한 방식으로 보정하는 설계가 어떤 역할을 하는지까지 평가할 만한 세부 정보는 충분하지 않다. 2
7
에이전트 성능 주장과 아직 남은 질문
DiffuSpace는 클로버를 에이전트형 코딩과 도구 사용에 적합한 모델로 소개한다. 공개된 결과에는 코드 수정, 터미널 작업, 함수 호출 관련 벤치마크가 포함돼 있다. 별도 보도에서는 웹 에이전트 평가와 등록, 청구서 처리, 정보 검색 같은 작업 시연도 다뤘다. 21
하지만 제공된 자료만으로는 클로버의 프런트엔드 생성 능력을 판단하기 어렵다. 블록 확산 방식 자체가 잘못된 도구 호출을 막거나, 실패한 단계를 반복하는 문제를 해결한다고 입증된 것도 아니다. 이런 신뢰성은 실제 작업별 평가가 필요하다. 생성 속도나 벤치마크 점수만으로는 충분히 알 수 없다.
공개된 벤치마크 점수
아래 점수는 DiffuSpace가 공개했거나 해당 팀의 결과를 인용한 보도에 실린 수치다. 독립적으로 검증된 결과로 받아들여서는 안 된다. 21
| 평가 항목 | 공개된 점수 |
|---|---|
| SWE-bench Verified | 73.6 |
| Terminal-Bench 2.1 | 51.7 |
| τ³ Overall | 65.3 |
| BFCL-v4 | 67.9 |
비슷한 규모의 자동회귀 모델, 특히 기반 모델인 Qwen3.6-35B-A3B와 비교해 정확히 얼마나 앞서는지 확인할 수 있을 만큼 세부적인 평가 조건은 공개 자료에 충분히 제시돼 있지 않다. 모델 설정과 테스트 환경이 맞춰진 비교가 아니라면 우열을 단정하지 않는 편이 타당하다.
속도와 웹 에이전트 평가
모델 비교 페이지는 DiffuSpace 측정치를 인용해 단일 NVIDIA GB300에서 초당 최대 680토큰을 기록했다고 전한다. 27 별도의 WindTunnel 웹 에이전트 평가 보도에 따르면 49개 작업을 각 세 차례 시도했을 때, 클로버의 중앙 실행 시간은 1.52초였다. Jev와 Mercury 2.5를 조합한 경우는 3.21초로 보고됐다. 시도 성공률은 각각 98.6%와 95.9%로 제시됐다. 이는 해당 평가에서 보고된 결과이지, 모든 브라우저 작업에서의 성능을 보장하는 수치는 아니다.
21
단일 H200에서의 클로버 속도나 DFlash2 추측 디코딩과의 직접 비교를 뒷받침하는 자료는 확인되지 않는다. 커뮤니티가 운영하는 ZeroGPU 체험 데모는 기록돼 있지만, 데모가 있다는 사실만으로 성능 벤치마크가 되는 것은 아니다. 1
가중치와 라이선스, 공개 시점
공식 Hugging Face 모델 저장소에서 클로버 가중치를 제공하며, DiffuSpace는 로컬 추론용 공식 GGUF 저장소도 안내하고 있다. 5
6 PC Watch는 Apache 2.0 라이선스라고 보도했고, Transformers 추론 코드는 제공 중이며 SGLang과 llama.cpp용 지원 코드 및 설치 안내는 추후 공개될 예정이라고 전했다.
17
공개 시점은 자료마다 다르다. PC Watch는 중국 시간 기준 10월 28일이라고 보도한 반면, DiffuSpace의 Hugging Face 출시 글은 10월 30일자로 게시됐다. 3
17 커뮤니티 ZeroGPU 채팅 데모는 확인되지만, 계획 중인 에이전트 하네스나 데스크톱 코딩 클라이언트에 관한 세부 사항은 제공된 자료에서 확인되지 않는다.
1
지금 볼 때의 핵심
클로버는 블록 확산을 코딩 및 도구 사용 에이전트에 적용하려는 주목할 만한 오픈 웨이트 시도다. 토큰을 왼쪽에서 오른쪽으로 생성하는 방식과 다른 구조를 채택했고, 공개된 벤치마크와 속도 수치도 후속 검증을 살펴볼 이유가 된다. 다만 현재 주장은 아직 잠정적이다. 독립적인 평가에서는 도구 호출 형식의 정확성, 오류 뒤 복구 능력, 긴 작업의 완수 여부, 실제 사용 환경에서의 전체 지연 시간을 확인해야 한다. 초당 토큰 수만으로는 에이전트의 신뢰성을 판단할 수 없다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"블록 단위로 생성하는 AI ‘클로버’, 에이전트 성능은 아직 검증이 필요하다"에 대한 짧은 대답은 무엇입니까?
클로버 35B A3B Preview는 코딩과 도구 사용 에이전트를 겨냥한 텍스트 전용 확산 언어 모델이다. 총 파라미터는 350억 개, 토큰당 활성 파라미터는 약 30억 개다.
먼저 검증할 핵심 포인트는 무엇인가요?
클로버 35B A3B Preview는 코딩과 도구 사용 에이전트를 겨냥한 텍스트 전용 확산 언어 모델이다. 총 파라미터는 350억 개, 토큰당 활성 파라미터는 약 30억 개다. 기존처럼 토큰을 하나씩 왼쪽에서 오른쪽으로 생성하는 대신 블록 단위로 텍스트를 만든다. 이 구조만으로 도구 호출 형식이나 실패 후 복구가 안정적이라고 입증되는 것은 아니다.
실무에서는 다음으로 무엇을 해야 합니까?
DiffuSpace는 단일 GB300에서 초당 최대 680토큰을 보고했고, 별도 웹 에이전트 평가에서는 49개 작업의 중앙 실행 시간으로 1.52초를 제시했다.