AnswersPublished21 sources
Clover vill ge AI-agenter en ny väg till kod och verktyg
Clover 35B A3B Preview är en öppen språkmodell med 35 miljarder parametrar totalt, varav omkring 3 miljarder aktiveras per token. Modellen skapar text i block med dubbelriktad uppmärksamhet inom varje block, i stället för att strikt förutsäga en token i taget.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Clover 35B A3B Preview är en öppen språkmodell med 35 miljarder parametrar totalt, varav omkring 3 miljarder aktiveras per token.
- Modellen skapar text i block med dubbelriktad uppmärksamhet inom varje block, i stället för att strikt förutsäga en token i taget.
- DiffuSpace uppger en topphastighet på 680 token per sekund på en GB300. En separat webbagentutvärdering rapporterar en mediantid på 1,52 sekunder för 49 uppgifter.
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
DiffuSpaces Clover-35B-A3B-Preview är en textbaserad språkmodell med öppna vikter, anpassad från Qwen3.6-35B-A3B. Den är inriktad på kodning och agenter som använder verktyg, snarare än enbart vanlig chatt. DiffuSpace rapporterar starka resultat på agentuppgifter, men underlaget verifierar inte resultaten oberoende och visar inte att modellen tillförlitligt klarar långa arbetsflöden där fel kan uppstå. 3
5
21
Så fungerar blockdiffusionen
Autoregressiva språkmodeller brukar skapa text från vänster till höger, en token i taget. Clover använder i stället blockdiffusion: modellen genererar textblock med dubbelriktad uppmärksamhet inom varje block, samtidigt som den bevarar en kausal prefix – texten som redan har etablerats före det aktuella blocket. 2
4
Modellen bygger på Qwen3.6-35B-A3B och beskrivs som en mixture-of-experts-modell med 35 miljarder parametrar totalt och omkring 3 miljarder aktiva per token. Modellbeskrivningarna anger också ett tänkeläge och ett kontextfönster på omkring 128 000 token. 5
8
Beskrivningarna nämner inlärda Gated DeltaNet-parametrar som en del av blockdiffusionsdesignen. Underlaget räcker däremot inte för att bedöma den exakta rollen för en eventuell omstrukturering av Gated DeltaNet eller inlärd kalibrering av blockstorleken. 2
7
Vad agentresultaten visar – och inte visar
DiffuSpace positionerar Clover för agentbaserad kodning och verktygsanvändning. De rapporterade resultaten omfattar tester av programvarureparation, terminaluppgifter och funktionsanrop. En separat rapport beskriver en webbagentutvärdering och demonstrationer med uppgifter som kursanmälan, fakturahantering och informationssökning. 21
Det tillgängliga underlaget visar inte hur bra Clover är på att skapa front-end-kod. Det visar inte heller att blockdiffusion i sig förhindrar felaktigt formaterade verktygsanrop eller upprepade misslyckade steg. Sådana frågor kräver tester på uppgiftsnivå; en genereringshastighet eller en poäng i ett benchmark räcker inte för att avgöra dem.
Rapporterade benchmarkresultat
Poängen nedan har rapporterats av DiffuSpace eller i bevakning av teamets resultat. De ska inte tolkas som oberoende verifierade fynd. 21
| Utvärdering | Rapporterat resultat |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
Källorna ger inte tillräckligt jämförbara utvärderingsdetaljer för att fastställa exakta marginaler mot Qwen3.6-35B-A3B eller andra autoregressiva modeller i liknande storlek. Jämförelser bör därför göras försiktigt, om inte modellinställningar och testförhållanden är desamma.
Hastighet och webbagentresultat
En modellsida anger att DiffuSpace uppmätt en topp på 680 token per sekund på ett enda NVIDIA GB300-kort. 27 I en separat WindTunnel-rapport om webbagenter testades 49 uppgifter, tre gånger vardera. Clover hade enligt rapporten en mediankörtid på 1,52 sekunder, jämfört med 3,21 sekunder för Jev plus Mercury 2.5. Rapporten anger också försöksbaserade framgångsnivåer på 98,6 respektive 95,9 procent. Det rör sig om rapporterade utvärderingsresultat, inte ett bevis på hur modellen fungerar i alla webbläsarflöden.
21
De tillgängliga källorna styrker inte någon Clover-hastighet på ett enda H200-kort eller en direkt hastighetsjämförelse med DFlash2:s spekulativa avkodning. En community-demo på ZeroGPU finns dokumenterad, men en värdbaserad demo är inte i sig ett benchmark. 1
Vikter, licens och lansering
De officiella modellvikterna finns på Hugging Face, och DiffuSpace listar även ett officiellt GGUF-arkiv för lokal inferens. 5
6 PC Watch uppger att licensen är Apache 2.0 och att inferenskod för Transformers finns tillgänglig. Stödkod och installationsanvisningar för SGLang och llama.cpp beskrevs däremot som kommande.
17
Lanseringsdatumet anges olika: PC Watch uppger den 28 oktober, kinesisk tid, medan DiffuSpaces lanseringsartikel på Hugging Face är daterad den 30 oktober. 3
17 Källorna dokumenterar också en ZeroGPU-chattdemo från communityn, men bekräftar inte planerade agentramverk eller klienter för skrivbordsbaserad kodning.
1
Slutsatsen
Clover är ett intressant försök att använda blockdiffusion för kodande agenter och verktygsanvändning. Arkitekturen skiljer sig från generering token för token från vänster till höger, och de rapporterade resultaten på agenttester och hastighet är värda att följa upp. Men påståendena är fortfarande preliminära. Oberoende tester behöver granska om verktygsanrop formateras korrekt, hur modellen återhämtar sig efter fel, om den slutför längre arbetsflöden och vilken den faktiska fördröjningen blir från början till slut – inte bara hur många token den genererar per sekund.
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 vill ge AI-agenter en ny väg till kod och verktyg"?
Clover 35B A3B Preview är en öppen språkmodell med 35 miljarder parametrar totalt, varav omkring 3 miljarder aktiveras per token.
What are the key points to validate first?
Clover 35B A3B Preview är en öppen språkmodell med 35 miljarder parametrar totalt, varav omkring 3 miljarder aktiveras per token. Modellen skapar text i block med dubbelriktad uppmärksamhet inom varje block, i stället för att strikt förutsäga en token i taget.
What should I do next in practice?
DiffuSpace uppger en topphastighet på 680 token per sekund på en GB300. En separat webbagentutvärdering rapporterar en mediantid på 1,52 sekunder för 49 uppgifter.