ОтветыОпубликовано21 источники
Что умеет Clover-35B-A3B — и чего пока не доказывают её результаты
Clover 35B A3B Preview — языковая модель с открытыми весами для кодинга и работы с инструментами: 35 млрд параметров всего и около 3 млрд активных на токен. Вместо генерации строго по одному токену модель создаёт текст блоками, используя двунаправленное внимание внутри блока.
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Clover 35B A3B Preview — языковая модель с открытыми весами для кодинга и работы с инструментами: 35 млрд параметров всего и около 3 млрд активных на токен.
- Вместо генерации строго по одному токену модель создаёт текст блоками, используя двунаправленное внимание внутри блока.
- DiffuSpace заявляет скорость до 680 токенов в секунду на одной GB300; в отдельном тесте веб агента медианное время выполнения составило 1,52 секунды на задачу.
Промпт ИИ
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 — текстовая диффузионная языковая модель с открытыми весами, созданная DiffuSpace на основе Qwen3.6-35B-A3B. Её позиционируют прежде всего для написания кода и ИИ-агентов, которые пользуются инструментами, а не только ведут обычный диалог. Компания сообщает о сильных результатах в агентских тестах, но доступные данные не подтверждают их независимой проверкой и не показывают, насколько надёжно модель справляется с длинными цепочками действий, где легко допустить ошибку. 3
5
21
Чем генерация блоками отличается от обычной
Большинство языковых моделей генерируют текст авторегрессионно: слева направо, токен за токеном. Clover использует блочную диффузию: модель формирует текст фрагментами, применяя двунаправленное внимание внутри каждого блока и сохраняя причинно-следственный префикс — текст, заданный до текущего блока. 2
4
В основе Clover — архитектура Qwen3.6-35B-A3B. Это модель типа «смесь экспертов» (MoE): всего в ней 35 млрд параметров, но для обработки каждого токена задействуется около 3 млрд. В описаниях также указаны режим рассуждений и контекстное окно примерно на 128 тысяч токенов. 5
8
В доступных описаниях упоминаются обучаемые параметры Gated DeltaNet, связанные с блочной диффузией. Однако опубликованных подробностей недостаточно, чтобы оценить роль конкретных изменений Gated DeltaNet или настраиваемого размера блоков. 2
7
Для каких задач заявлена модель
DiffuSpace ориентирует Clover на агентское программирование и работу с инструментами. Среди заявленных оценок — тесты на исправление ошибок в коде, выполнение задач в терминале и вызов функций. Отдельный отчёт описывает проверку веб-агента и демонстрации задач вроде записи на курсы, обработки счетов и поиска информации. 21
При этом имеющиеся данные не позволяют судить о качестве генерации интерфейсов. Они также не доказывают, что блочная диффузия сама по себе предотвращает некорректные вызовы инструментов или повторение неудачных шагов. Это вопросы надёжности, для которых нужны испытания на конкретных задачах: ни скорость генерации, ни отдельная оценка в бенчмарке не дают полного ответа.
Заявленные результаты в бенчмарках
Ниже приведены оценки, опубликованные DiffuSpace или в материалах о результатах команды. Их не следует считать независимо подтверждёнными. 21
| Тест | Заявленный результат |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
Доступные источники не дают достаточно сопоставимых деталей, чтобы точно установить преимущество Clover над Qwen3.6-35B-A3B или другими авторегрессионными моделями похожего размера. Сравнения стоит оценивать осторожно, пока не подтверждено, что настройки моделей и условия тестирования совпадали.
Скорость и тесты веб-агента
На странице сравнения моделей DiffuSpace приписывают результат до 680 токенов в секунду на одной видеокарте NVIDIA GB300. 27 В отдельном тесте веб-агента WindTunnel проверяли 49 задач, каждую запускали трижды. Согласно отчёту, медианное время выполнения для Clover составило 1,52 секунды против 3,21 секунды у связки Jev и Mercury 2.5. Доля успешных попыток указана как 98,6% и 95,9% соответственно. Это результаты конкретного тестирования, а не гарантия такой же работы в любом сценарии с браузером.
21
Доступные источники не подтверждают заявленную скорость Clover на одной H200 или прямое сравнение с ускорением через спекулятивное декодирование DFlash2. Документирована пользовательская демоверсия на ZeroGPU, но сама по себе демоверсия не является бенчмарком. 1
Веса, лицензия и дата выпуска
Официальные веса Clover размещены на Hugging Face; DiffuSpace также указывает официальный репозиторий GGUF для локального запуска. 5
6 По данным PC Watch, модель распространяется по лицензии Apache 2.0, а код для инференса через Transformers доступен. Код поддержки и инструкции по настройке SGLang и llama.cpp, согласно публикации, планировалось выложить позднее.
17
Дата выпуска в источниках расходится: PC Watch пишет о 28 октября по китайскому времени, тогда как публикация DiffuSpace на Hugging Face датирована 30 октября. 3
17 Источники также подтверждают существование пользовательской ZeroGPU-демоверсии, но не позволяют проверить планы по агентскому окружению или настольному клиенту для кодинга.
1
Что это значит на практике
Clover — примечательная попытка применить блочную диффузию к кодингу и агентам с инструментами. Архитектура модели отличается от привычной генерации слева направо, а заявленные результаты по бенчмаркам и скорости заслуживают дальнейшей проверки. Но пока это предварительные заявления. Независимые тесты должны оценить корректность вызовов инструментов, способность исправляться после ошибок, выполнение длинных сценариев и задержку всей задачи — а не только скорость генерации токенов.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Что умеет Clover-35B-A3B — и чего пока не доказывают её результаты»?
Clover 35B A3B Preview — языковая модель с открытыми весами для кодинга и работы с инструментами: 35 млрд параметров всего и около 3 млрд активных на токен.
Какие ключевые моменты необходимо проверить в первую очередь?
Clover 35B A3B Preview — языковая модель с открытыми весами для кодинга и работы с инструментами: 35 млрд параметров всего и около 3 млрд активных на токен. Вместо генерации строго по одному токену модель создаёт текст блоками, используя двунаправленное внимание внутри блока.
Что мне делать дальше на практике?
DiffuSpace заявляет скорость до 680 токенов в секунду на одной GB300; в отдельном тесте веб агента медианное время выполнения составило 1,52 секунды на задачу.