AnswersPublished21 sources
Clover-35B-A3B: nowy model AI do kodowania i korzystania z narzędzi
Clover 35B A3B Preview to otwarty model językowy oparty na dyfuzji, przeznaczony m.in. Model generuje tekst blokami, a nie ściśle po jednym tokenie od lewej do prawej.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Clover 35B A3B Preview to otwarty model językowy oparty na dyfuzji, przeznaczony m.in.
- Model generuje tekst blokami, a nie ściśle po jednym tokenie od lewej do prawej.
- DiffuSpace podaje wynik do 680 tokenów na sekundę na jednym układzie GB300. W osobnym teście agenta internetowego mediana czasu wykonania zadań wyniosła 1,52 sekundy.
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 to otwarty model językowy oparty na dyfuzji, przygotowany przez DiffuSpace na bazie Qwen3.6-35B-A3B. Firma przedstawia go przede wszystkim jako model do kodowania agentowego i obsługi narzędzi, a nie wyłącznie do typowej rozmowy. Opublikowane wyniki wyglądają obiecująco, ale nie zostały niezależnie potwierdzone i nie rozstrzygają, jak model radzi sobie w długich, podatnych na błędy przepływach pracy. 3
5
21
Na czym polega generowanie blokami?
Typowy model autoregresyjny tworzy tekst kolejno, token po tokenie, od lewej do prawej. Clover korzysta z dyfuzji blokowej: generuje fragmenty tekstu, w których tokeny mogą uwzględniać się wzajemnie, zachowując jednocześnie przyczynowy prefiks — tekst ustalony wcześniej. 2
4
Model bazuje na Qwen3.6-35B-A3B i wykorzystuje architekturę mieszanki ekspertów (MoE). Ma łącznie 35 mld parametrów, ale przy generowaniu pojedynczego tokenu aktywnych jest około 3 mld. Opisy modelu podają także tryb „thinking” oraz okno kontekstowe o długości około 128 tys. tokenów. 5
8
W dostępnych opisach pojawiają się również uczone parametry Gated DeltaNet. Nie ma jednak wystarczających informacji, by ocenić szczegółową rolę ewentualnej przebudowy Gated DeltaNet czy mechanizmu kalibracji rozmiaru bloków. 2
7
Co mówią wyniki agentowe — a czego nie dowodzą?
DiffuSpace kieruje Clovera do zadań związanych z kodowaniem agentowym i korzystaniem z narzędzi. Raportowane wyniki obejmują testy naprawy oprogramowania, zadań terminalowych i wywoływania funkcji. Osobny materiał opisuje ocenę agenta internetowego oraz demonstracje obejmujące m.in. zapisy, obsługę faktur i wyszukiwanie informacji. 21
Dostępne źródła nie pozwalają ocenić, jak model radzi sobie z generowaniem interfejsów front-endowych. Nie dowodzą też, że sama dyfuzja blokowa zapobiega błędnym wywołaniom narzędzi albo powtarzaniu nieudanych kroków. To kwestie niezawodności, które wymagają testów na poziomie całych zadań — sama szybkość generowania ani wynik benchmarku ich nie rozstrzygają.
Wyniki benchmarków podane przez DiffuSpace
Poniższe wyniki pochodzą z deklaracji DiffuSpace lub publikacji opisujących dane zespołu. Nie należy traktować ich jako niezależnie zweryfikowanych. 21
| Test | Podany wynik |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
Dostępne źródła nie podają wystarczająco szczegółowych, porównywalnych warunków testów, by ustalić dokładną przewagę nad Qwen3.6-35B-A3B lub innymi modelami autoregresyjnymi podobnej wielkości. Porównania warto więc traktować ostrożnie, jeśli ustawienia i warunki testowe nie są takie same.
Szybkość i test agenta internetowego
Strona porównująca modele przypisuje pomiarom DiffuSpace szczytową szybkość 680 tokenów na sekundę na pojedynczym układzie NVIDIA GB300. 27 W osobnym raporcie z testu WindTunnel opisano 49 zadań agenta internetowego, z których każde podjęto trzy razy. Mediana czasu wykonania dla Clovera wyniosła 1,52 sekundy, a dla zestawu Jev + Mercury 2.5 — 3,21 sekundy. W tym samym raporcie podano skuteczność prób na poziomie odpowiednio 98,6% i 95,9%. To wyniki konkretnej ewaluacji, a nie gwarancja działania w każdym scenariuszu przeglądarkowym.
21
Dostępne źródła nie potwierdzają szybkości Clovera na pojedynczym H200 ani bezpośredniego porównania z dekodowaniem spekulatywnym DFlash2. Udokumentowano społecznościowe demo ZeroGPU, ale samo udostępnienie demonstracji nie jest benchmarkiem. 1
Wagi, licencja i data premiery
Oficjalne wagi modelu są dostępne w repozytorium DiffuSpace na Hugging Face. Firma prowadzi także oficjalne repozytorium GGUF przeznaczone do lokalnego uruchamiania modelu. 5
6 Według PC Watch model udostępniono na licencji Apache 2.0, a kod wnioskowania dla Transformers jest dostępny. Kod obsługujący SGLang i llama.cpp oraz instrukcje konfiguracji miały zostać opublikowane później.
17
Data premiery jest podawana niejednolicie: PC Watch wskazuje 28 października, czasu chińskiego, natomiast artykuł premierowy DiffuSpace na Hugging Face datowany jest na 30 października. 3
17 Źródła potwierdzają również istnienie społecznościowego demo czatu ZeroGPU, ale nie weryfikują szczegółów planowanego środowiska agentowego ani desktopowego klienta do kodowania.
1
Co warto zapamiętać?
Clover to interesująca próba wykorzystania dyfuzji blokowej w modelu do kodowania i obsługi narzędzi. Jego architektura różni się od generowania token po tokenie, a podane wyniki benchmarków i szybkości zasługują na dalsze testy. Na razie pozostają jednak wstępne. Niezależne oceny powinny sprawdzać poprawność wywołań narzędzi, odzyskiwanie po błędach, realizację dłuższych zadań i opóźnienie całego przepływu pracy — nie tylko liczbę tokenów generowanych w sekundę.
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: nowy model AI do kodowania i korzystania z narzędzi"?
Clover 35B A3B Preview to otwarty model językowy oparty na dyfuzji, przeznaczony m.in.
What are the key points to validate first?
Clover 35B A3B Preview to otwarty model językowy oparty na dyfuzji, przeznaczony m.in. Model generuje tekst blokami, a nie ściśle po jednym tokenie od lewej do prawej.
What should I do next in practice?
DiffuSpace podaje wynik do 680 tokenów na sekundę na jednym układzie GB300. W osobnym teście agenta internetowego mediana czasu wykonania zadań wyniosła 1,52 sekundy.