AnswersPublished21 sources
Clover-35B-A3B: Adakah model difusi ini benar-benar bersedia untuk ejen pengekodan?
Clover 35B A3B Preview ialah model bahasa difusi teks terbuka yang disesuaikan daripada Qwen3.6 35B A3B, dengan 35 bilion parameter keseluruhan dan kira kira 3 bilion parameter aktif bagi setiap token. Model ini menjana teks dalam blok, bukannya satu token demi satu token.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Clover 35B A3B Preview ialah model bahasa difusi teks terbuka yang disesuaikan daripada Qwen3.6 35B A3B, dengan 35 bilion parameter keseluruhan dan kira kira 3 bilion parameter aktif bagi setiap token.
- Model ini menjana teks dalam blok, bukannya satu token demi satu token. Namun, reka bentuk itu sahaja belum membuktikan bahawa panggilan alatan sentiasa sah atau model boleh pulih dengan baik selepas gagal.
- DiffuSpace melaporkan kelajuan sehingga 680 token sesaat pada satu GB300. Laporan berasingan bagi ejen web pula menyatakan masa pelaksanaan median 1.52 saat merentas 49 tugasan.
AI Prompt
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
Clover-35B-A3B-Preview ialah model bahasa difusi teks dengan berat terbuka daripada DiffuSpace, disesuaikan daripada Qwen3.6-35B-A3B. Ia dibangunkan dengan penekanan pada pengekodan berasaskan ejen dan penggunaan alatan, bukan sekadar perbualan biasa. DiffuSpace melaporkan keputusan yang memberangsangkan dalam beberapa ujian ejen, tetapi hasil itu belum disahkan secara bebas dan belum membuktikan model ini boleh mengendalikan aliran kerja panjang dengan konsisten. 3
5
21
Bagaimana Clover menjana teks
Kebanyakan model bahasa autoregresif menjana teks dari kiri ke kanan, satu token pada satu masa. Clover menggunakan pendekatan difusi blok: ia menjana teks dalam blok, dengan perhatian dua hala dalam setiap blok sambil mengekalkan awalan kausal—teks yang telah ditetapkan sebelum blok semasa. 2
4
Model ini berasaskan Qwen3.6-35B-A3B dan menggunakan seni bina campuran pakar (MoE), dengan 35 bilion parameter keseluruhan serta kira-kira 3 bilion parameter aktif bagi setiap token. Penerangan model turut menyenaraikan mod pemikiran dan tetingkap konteks sekitar 128K token. 5
8
Penerangan yang tersedia menyebut parameter Gated DeltaNet terpelajar sebagai sebahagian daripada reka bentuk difusi blok. Namun, maklumatnya tidak mencukupi untuk menilai secara khusus peranan sebarang penyusunan semula Gated DeltaNet atau penentukuran saiz blok yang boleh dipelajari. 2
7
Keupayaan ejen yang didakwa—dan perkara yang belum terjawab
DiffuSpace menyasarkan Clover untuk pengekodan berasaskan ejen dan penggunaan alatan. Keputusan yang dilaporkan merangkumi penanda aras pembaikan perisian, tugasan terminal dan panggilan fungsi. Laporan berasingan turut menerangkan penilaian ejen web serta demonstrasi tugasan seperti pendaftaran, pengurusan invois dan pencarian maklumat. 21
Bukti yang tersedia belum menunjukkan sejauh mana Clover sesuai untuk penjanaan antara muka hadapan (front-end). Bukti itu juga tidak menunjukkan bahawa difusi blok, dengan sendirinya, dapat mencegah panggilan alatan yang tidak teratur atau langkah gagal yang berulang. Soal kebolehpercayaan perlu diuji pada peringkat tugasan; kelajuan penjanaan atau markah penanda aras sahaja tidak dapat menjawabnya.
Keputusan penanda aras yang dilaporkan
Angka berikut dilaporkan oleh DiffuSpace atau dalam liputan yang menghuraikan keputusan pasukan itu. Angka ini bukan hasil yang disahkan secara bebas. 21
| Penilaian | Markah yang dilaporkan |
|---|---|
| SWE-bench Verified | 73.6 |
| Terminal-Bench 2.1 | 51.7 |
| τ³ Overall | 65.3 |
| BFCL-v4 | 67.9 |
Sumber yang tersedia tidak memberikan butiran penilaian setanding yang mencukupi untuk memastikan perbezaan tepat Clover berbanding Qwen3.6-35B-A3B atau model autoregresif lain yang sama saiz. Perbandingan wajar dibuat dengan berhati-hati melainkan tetapan model dan keadaan ujian diselaraskan.
Kelajuan dan keputusan ejen web
Satu halaman perbandingan model mengaitkan kelajuan puncak 680 token sesaat pada satu NVIDIA GB300 dengan ukuran DiffuSpace. 27 Dalam laporan berasingan WindTunnel yang merangkumi 49 tugasan ejen web, setiap tugasan dicuba tiga kali. Masa pelaksanaan median Clover dilaporkan 1.52 saat, berbanding 3.21 saat bagi Jev bersama Mercury 2.5. Laporan yang sama memberikan kadar kejayaan percubaan masing-masing sebanyak 98.6% dan 95.9%. Ini ialah keputusan penilaian yang dilaporkan, bukan jaminan prestasi bagi setiap aliran kerja pelayar.
21
Sumber yang tersedia tidak mengesahkan angka kelajuan Clover pada satu H200 atau perbandingan kelajuan langsung dengan penyahkodan spekulatif DFlash2. Demo komuniti ZeroGPU memang didokumenkan, tetapi demo yang boleh dicuba bukan penanda aras prestasi. 1
Berat model, lesen dan tarikh keluaran
Repositori model rasmi di Hugging Face menyediakan berat Clover, manakala DiffuSpace turut menyenaraikan repositori rasmi GGUF untuk inferens setempat. 5
6 PC Watch melaporkan bahawa model ini menggunakan lesen Apache 2.0 dan kod inferens Transformers tersedia. Kod sokongan serta panduan pemasangan untuk SGLang dan llama.cpp pula dinyatakan akan menyusul.
17
Tarikh keluaran dilaporkan secara berbeza: PC Watch menyebut 28 Oktober mengikut waktu China, manakala artikel pelancaran DiffuSpace di Hugging Face bertarikh 30 Oktober. 3
17 Sumber yang tersedia juga mendokumenkan demo sembang komuniti ZeroGPU, tetapi tidak mengesahkan butiran yang dirancang untuk rangka kerja ejen atau klien pengekodan desktop.
1
Kesimpulannya
Clover ialah percubaan penting untuk membawa difusi blok ke dalam ejen pengekodan dan penggunaan alatan. Seni binanya berbeza daripada penjanaan token dari kiri ke kanan, manakala keputusan penanda aras dan kelajuan yang dilaporkan wajar diperhatikan. Namun, dakwaan itu masih awal. Ujian bebas perlu menilai format panggilan alatan yang sah, keupayaan pulih selepas ralat, kejayaan menyelesaikan aliran kerja lebih panjang dan kependaman hujung ke hujung—bukan sekadar bilangan token sesaat.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Clover-35B-A3B: Adakah model difusi ini benar-benar bersedia untuk ejen pengekodan?"?
Clover 35B A3B Preview ialah model bahasa difusi teks terbuka yang disesuaikan daripada Qwen3.6 35B A3B, dengan 35 bilion parameter keseluruhan dan kira kira 3 bilion parameter aktif bagi setiap token.
What are the key points to validate first?
Clover 35B A3B Preview ialah model bahasa difusi teks terbuka yang disesuaikan daripada Qwen3.6 35B A3B, dengan 35 bilion parameter keseluruhan dan kira kira 3 bilion parameter aktif bagi setiap token. Model ini menjana teks dalam blok, bukannya satu token demi satu token. Namun, reka bentuk itu sahaja belum membuktikan bahawa panggilan alatan sentiasa sah atau model boleh pulih dengan baik selepas gagal.
What should I do next in practice?
DiffuSpace melaporkan kelajuan sehingga 680 token sesaat pada satu GB300. Laporan berasingan bagi ejen web pula menyatakan masa pelaksanaan median 1.52 saat merentas 49 tugasan.