AnswersPublished21 sources
Wat kan Clover-35B-A3B — en wat bewijzen de eerste resultaten nog niet?
Clover 35B A3B Preview is een open weight diffusiontaalmodel voor codeer en toolgebruikende agents, met 35 miljard parameters in totaal en ongeveer 3 miljard actieve parameters per token. Het model genereert tekst in blokken met bidirectionele aandacht binnen elk blok.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Clover 35B A3B Preview is een open weight diffusiontaalmodel voor codeer en toolgebruikende agents, met 35 miljard parameters in totaal en ongeveer 3 miljard actieve parameters per token.
- Het model genereert tekst in blokken met bidirectionele aandacht binnen elk blok.
- DiffuSpace meldt een snelheid tot 680 tokens per seconde op één GB300; in een afzonderlijke webagenttest lag de mediane uitvoeringstijd volgens de rapportage op 1,52 seconde.
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
DiffuSpace’ Clover-35B-A3B-Preview is een open-weight, tekstgebaseerd diffusiontaalmodel dat is afgeleid van Qwen3.6-35B-A3B. De nadruk ligt op coderen en agents die tools gebruiken, niet alleen op gewone chat. DiffuSpace rapporteert sterke scores op agenttaken, maar de beschikbare informatie bevestigt die resultaten niet onafhankelijk en laat niet zien of het model ook betrouwbaar blijft in lange workflows waarin fouten kunnen optreden. 3
5
21
Hoe werkt blokdiffusie?
Autoregressieve taalmodellen schrijven doorgaans van links naar rechts: token voor token. Clover gebruikt in plaats daarvan blokdiffusie. Het genereert tekst in blokken, met bidirectionele aandacht binnen elk blok, terwijl het een causale prefix behoudt: de tekst die al vóór het huidige blok is vastgesteld. 2
4
Het model is gebaseerd op Qwen3.6-35B-A3B en wordt beschreven als een mixture-of-experts-model met in totaal 35 miljard parameters, waarvan er per token ongeveer 3 miljard actief zijn. Ook worden een denkmodus en een contextvenster van circa 128.000 tokens genoemd. 5
8
In beschrijvingen van het ontwerp worden aangeleerde Gated DeltaNet-parameters genoemd. De beschikbare informatie is niet gedetailleerd genoeg om de precieze rol van een eventuele herstructurering van Gated DeltaNet of een trainbare afstelling van de blokgrootte te beoordelen. 2
7
Wat zeggen de agentclaims — en wat niet?
DiffuSpace richt Clover op agentisch programmeren en toolgebruik. De gerapporteerde resultaten omvatten benchmarks voor softwareherstel, terminaltaken en functieaanroepen. Een afzonderlijk verslag beschrijft een webagenttest en demonstraties met taken als inschrijvingen, factuurverwerking en informatie opzoeken. 21
De beschikbare bronnen tonen niet aan hoe goed Clover is in het genereren van front-ends. Ook bewijzen ze niet dat blokdiffusie op zichzelf verkeerd gevormde toolaanroepen of herhaald mislukte stappen voorkomt. Dat zijn vragen over betrouwbaarheid die tests op taakniveau vereisen; een snelheidscijfer of benchmarkscore geeft daar niet zelfstandig antwoord op.
Gerapporteerde benchmarkscores
De onderstaande scores zijn afkomstig van DiffuSpace of van berichtgeving over de resultaten van het team. Ze zijn niet onafhankelijk geverifieerd. 21
| Evaluatie | Gerapporteerde score |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
De bronnen bieden onvoldoende vergelijkbare evaluatiedetails om een exact voordeel ten opzichte van Qwen3.6-35B-A3B of andere autoregressieve modellen van vergelijkbare omvang vast te stellen. Vergelijkingen zijn daarom voorlopig: de modelinstellingen en testomstandigheden moeten overeenkomen voordat scores goed naast elkaar kunnen worden gelegd.
Snelheid en resultaten van webagents
Een modelvergelijkingspagina schrijft een pieksnelheid van 680 tokens per seconde op één NVIDIA GB300 toe aan metingen van DiffuSpace. 27 In een afzonderlijk WindTunnel-verslag over webagents werden 49 taken elk drie keer geprobeerd. De mediane uitvoeringstijd van Clover was volgens dat verslag 1,52 seconde, tegenover 3,21 seconden voor Jev plus Mercury 2.5. De gerapporteerde slagingspercentages per poging waren respectievelijk 98,6% en 95,9%. Dit zijn resultaten uit een specifieke evaluatie, geen garantie voor elke browserworkflow.
21
De beschikbare bronnen onderbouwen geen snelheidscijfer voor Clover op één H200 en ook geen directe snelheidsvergelijking met DFlash2-speculative decoding. Er is wel een communitydemo op ZeroGPU gedocumenteerd, maar een gehoste demo is geen benchmark op zichzelf. 1
Gewichten, licentie en verschijningsdatum
De officiële modelrepository op Hugging Face bevat de gewichten van Clover. DiffuSpace vermeldt daarnaast een officiële GGUF-repository voor lokaal gebruik. 5
6 PC Watch meldt dat het model onder de Apache 2.0-licentie valt en dat er inferentiecode voor Transformers beschikbaar is. Ondersteuningscode en installatie-instructies voor SGLang en llama.cpp zouden nog volgen.
17
Over de verschijningsdatum bestaat verschil tussen de bronnen: PC Watch noemt 28 oktober, Chinese tijd, terwijl het officiële lanceringsartikel van DiffuSpace op Hugging Face is gedateerd op 30 oktober. 3
17 De bronnen documenteren ook een communitydemo op ZeroGPU, maar bevestigen geen geplande agent-harness of desktopcodeerclient.
1
De praktische conclusie
Clover is een opvallende poging om blokdiffusie naar codeer- en toolgebruikende agents te brengen. De architectuur wijkt af van generatie van links naar rechts, en de gerapporteerde benchmark- en snelheidscijfers zijn reden voor vervolgonderzoek. Maar voorlopig blijven die claims voorlopig: onafhankelijke tests moeten kijken naar correcte toolaanroepen, herstel na fouten, het afronden van langere workflows en de totale uitvoeringstijd — niet alleen naar tokens per seconde.
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 "Wat kan Clover-35B-A3B — en wat bewijzen de eerste resultaten nog niet?"?
Clover 35B A3B Preview is een open weight diffusiontaalmodel voor codeer en toolgebruikende agents, met 35 miljard parameters in totaal en ongeveer 3 miljard actieve parameters per token.
What are the key points to validate first?
Clover 35B A3B Preview is een open weight diffusiontaalmodel voor codeer en toolgebruikende agents, met 35 miljard parameters in totaal en ongeveer 3 miljard actieve parameters per token. Het model genereert tekst in blokken met bidirectionele aandacht binnen elk blok.
What should I do next in practice?
DiffuSpace meldt een snelheid tot 680 tokens per seconde op één GB300; in een afzonderlijke webagenttest lag de mediane uitvoeringstijd volgens de rapportage op 1,52 seconde.