RespostasPublicado21 fontes
Clover-35B-A3B: o que o modelo promete — e o que os primeiros resultados ainda não comprovam
O Clover 35B A3B Preview é um modelo de linguagem de difusão com pesos abertos, voltado a agentes de programação e uso de ferramentas. Em vez de gerar texto estritamente um token por vez, o modelo trabalha com blocos e atenção bidirecional dentro de cada bloco.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O Clover 35B A3B Preview é um modelo de linguagem de difusão com pesos abertos, voltado a agentes de programação e uso de ferramentas.
- Em vez de gerar texto estritamente um token por vez, o modelo trabalha com blocos e atenção bidirecional dentro de cada bloco.
- A DiffuSpace atribui ao modelo até 680 tokens por segundo em uma GB300. Em outra avaliação de agente web, o tempo mediano informado foi de 1,52 segundo em 49 tarefas.
Prompt de IA
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
O Clover-35B-A3B-Preview é um modelo de linguagem de difusão, apenas de texto e com pesos abertos, adaptado do Qwen3.6-35B-A3B. A DiffuSpace o apresenta como uma opção para agentes de programação e uso de ferramentas — não apenas para conversas convencionais. A empresa divulgou resultados expressivos em tarefas de agentes, mas as informações disponíveis não verificam esses números de forma independente nem demonstram que o modelo seja confiável em fluxos longos e sujeitos a erros. 3
5
21
Como funciona a difusão em blocos
Modelos autoregressivos costumam gerar texto da esquerda para a direita, um token por vez. O Clover usa difusão em blocos: gera segmentos de texto com atenção bidirecional dentro de cada bloco, mantendo um prefixo causal — ou seja, o texto já estabelecido antes do bloco atual. 2
4
O modelo parte do Qwen3.6-35B-A3B e é descrito como uma arquitetura de mistura de especialistas, com 35 bilhões de parâmetros no total e cerca de 3 bilhões ativos para cada token. As descrições também mencionam um modo de raciocínio e uma janela de contexto de aproximadamente 128 mil tokens. 5
8
As informações disponíveis citam parâmetros Gated DeltaNet aprendidos como parte do desenho de difusão em blocos. Porém, não trazem detalhes suficientes para avaliar o papel específico de uma possível reestruturação da Gated DeltaNet ou de uma calibração aprendida do tamanho dos blocos. 2
7
O que os resultados de agentes mostram — e o que deixam em aberto
A DiffuSpace posiciona o Clover para programação com agentes e uso de ferramentas. Os resultados divulgados incluem benchmarks de correção de software, tarefas de terminal e chamadas de funções. Um relato separado descreve uma avaliação de agente web e demonstrações com tarefas como inscrições, tratamento de faturas e busca de informações. 21
As evidências disponíveis não permitem concluir como o Clover se sai na geração de interfaces front-end. Também não mostram que a difusão em blocos, por si só, evite chamadas de ferramentas malformadas ou a repetição de etapas que já falharam. Essas são questões de confiabilidade que exigem testes por tarefa: velocidade de geração ou uma pontuação de benchmark não bastam para respondê-las.
Pontuações divulgadas
Os números abaixo foram informados pela DiffuSpace ou por uma publicação que descreve os resultados da equipe. Não devem ser tratados como resultados verificados de forma independente. 21
| Avaliação | Pontuação divulgada |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
As fontes disponíveis não apresentam detalhes comparáveis suficientes para estabelecer a diferença exata entre o Clover, o Qwen3.6-35B-A3B ou outros modelos autoregressivos de porte semelhante. Comparações devem ser vistas com cautela, a menos que as configurações e as condições dos testes sejam equivalentes.
Velocidade e avaliação de agente web
Uma página de comparação de modelos atribui às medições da DiffuSpace um pico de 680 tokens por segundo em uma única NVIDIA GB300. 27 Em outra avaliação, o relatório WindTunnel abrangeu 49 tarefas de agente web, cada uma tentada três vezes. O tempo mediano de execução informado para o Clover foi de 1,52 segundo, contra 3,21 segundos para Jev com Mercury 2.5. O mesmo relatório registra taxas de sucesso por tentativa de 98,6% e 95,9%, respectivamente. São resultados de uma avaliação específica, não uma garantia de desempenho em qualquer fluxo de navegação.
21
As fontes disponíveis não confirmam uma velocidade do Clover em uma única H200 nem uma comparação direta com a decodificação especulativa DFlash2. Há registro de uma demonstração comunitária no ZeroGPU, mas a existência de uma demo hospedada não equivale a um benchmark. 1
Pesos, licença e datas de lançamento
Os pesos oficiais do Clover estão no repositório da DiffuSpace no Hugging Face, e a empresa também lista um repositório oficial GGUF para inferência local. 5
6 A PC Watch informa que o modelo usa licença Apache 2.0 e que há código de inferência para Transformers. A publicação descreve o suporte e as instruções de configuração para SGLang e llama.cpp como algo que ainda seria disponibilizado.
17
A data de lançamento aparece de forma inconsistente: a PC Watch aponta 28 de outubro, no horário da China, enquanto o artigo de lançamento da DiffuSpace no Hugging Face tem data de 30 de outubro. 3
17 As fontes também registram uma demo comunitária de conversa no ZeroGPU, mas não confirmam detalhes sobre um futuro conjunto de ferramentas para agentes ou um cliente de programação para desktop.
1
O que vale acompanhar
O Clover é uma tentativa relevante de levar a difusão em blocos a agentes de programação e uso de ferramentas. A arquitetura difere da geração token a token da esquerda para a direita, e os resultados divulgados em benchmarks e velocidade justificam atenção. Mas as alegações ainda são preliminares. Testes independentes precisam avaliar se o modelo formata corretamente chamadas de ferramentas, se consegue se recuperar de erros, se conclui fluxos longos e qual é sua latência de ponta a ponta — não apenas quantos tokens gera por segundo.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Clover-35B-A3B: o que o modelo promete — e o que os primeiros resultados ainda não comprovam"?
O Clover 35B A3B Preview é um modelo de linguagem de difusão com pesos abertos, voltado a agentes de programação e uso de ferramentas.
Quais são os pontos-chave para validar primeiro?
O Clover 35B A3B Preview é um modelo de linguagem de difusão com pesos abertos, voltado a agentes de programação e uso de ferramentas. Em vez de gerar texto estritamente um token por vez, o modelo trabalha com blocos e atenção bidirecional dentro de cada bloco.
O que devo fazer a seguir na prática?
A DiffuSpace atribui ao modelo até 680 tokens por segundo em uma GB300. Em outra avaliação de agente web, o tempo mediano informado foi de 1,52 segundo em 49 tarefas.