AnswersPublished21 sources
Clover-35B-A3B ne vadediyor, erken sonuçları neyi kanıtlamıyor?
Clover 35B A3B Preview, kodlama ve araç kullanan ajanlara odaklanan; toplam 35 milyar, token başına yaklaşık 3 milyar etkin parametreli açık ağırlıklı bir difüzyon dil modeli. Model, metni soldan sağa tek tek token üretmek yerine bloklar hâlinde oluşturuyor.
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Clover 35B A3B Preview, kodlama ve araç kullanan ajanlara odaklanan; toplam 35 milyar, token başına yaklaşık 3 milyar etkin parametreli açık ağırlıklı bir difüzyon dil modeli.
- Model, metni soldan sağa tek tek token üretmek yerine bloklar hâlinde oluşturuyor.
- DiffuSpace, tek bir GB300 üzerinde saniyede 680 tokene kadar hız bildiriyor. Ayrı bir web ajanı değerlendirmesinde 49 görev için Clover’ın medyan süresi 1,52 saniye olarak aktarılıyor.
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’ın Clover-35B-A3B-Preview modeli, Qwen3.6-35B-A3B’den uyarlanmış, açık ağırlıklı ve yalnızca metinle çalışan bir difüzyon dil modeli. Geleneksel sohbetin ötesinde, özellikle kodlama ve araç kullanan ajanlar için tasarlanıyor. DiffuSpace’ın paylaştığı değerlendirmelerde güçlü sonuçlar var; ancak bunlar bağımsız olarak doğrulanmış değil ve modelin uzun, hata riski yüksek iş akışlarını güvenilir biçimde tamamladığını göstermiyor. 3
5
21
Clover’ın blok difüzyonu nasıl çalışıyor?
Otokoregresif dil modelleri metni genellikle soldan sağa, her seferinde bir token üreterek yazar. Clover ise blok difüzyon kullanıyor: Her blok içindeki dikkat mekanizması iki yönlü çalışırken, o noktaya kadar oluşturulmuş metin nedensel bir önek olarak korunuyor. 2
4
Model, Qwen3.6-35B-A3B temel alınarak geliştirilmiş bir uzman karışımı (MoE) mimarisine sahip. Toplam parametre sayısı 35 milyar, token başına etkin parametre sayısı ise yaklaşık 3 milyar olarak belirtiliyor. Model tanıtımlarında ayrıca bir düşünme modu ve yaklaşık 128 bin tokenlık bağlam penceresi listeleniyor. 5
8
Kaynaklarda, blok difüzyon tasarımının parçası olarak öğrenilmiş Gated DeltaNet parametrelerinden söz ediliyor. Ancak Gated DeltaNet’in yeniden yapılandırılmasının veya öğrenilebilir blok boyutu ayarlamasının tam olarak nasıl çalıştığını değerlendirecek ayrıntı mevcut değil. 2
7
Ajan iddiaları neleri kapsıyor, neleri kapsamıyor?
DiffuSpace, Clover’ı ajan tabanlı kodlama ve araç kullanımı için konumlandırıyor. Paylaşılan sonuçlar arasında yazılım hatalarını giderme, terminal görevleri ve fonksiyon çağırma değerlendirmeleri var. Ayrı bir raporda web ajanı testinden ve kayıt işlemleri, fatura yönetimi, bilgi bulma gibi görevlerin gösterildiği demolarından da bahsediliyor. 21
Mevcut kaynaklar Clover’ın ön yüz (front-end) kod üretiminde nasıl performans gösterdiğini ortaya koymuyor. Blok difüzyonun tek başına hatalı biçimlendirilmiş araç çağrılarını veya tekrarlanan başarısız adımları önlediğini de kanıtlamıyor. Bunlar görev düzeyinde sınanması gereken güvenilirlik soruları; tek başına üretim hızı ya da benchmark puanı bunlara yanıt vermez.
Açıklanan benchmark sonuçları
Aşağıdaki puanlar DiffuSpace’ın paylaşımlarında veya ekibin sonuçlarını aktaran haberlerde yer alıyor. Bağımsız olarak doğrulanmış sonuçlar gibi değerlendirilmemeli. 21
| Değerlendirme | Açıklanan puan |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
Mevcut kaynaklar, Clover’ın Qwen3.6-35B-A3B veya benzer büyüklükteki otokoregresif modeller karşısındaki farkını kesin olarak hesaplamaya yetecek karşılaştırılabilir değerlendirme ayrıntılarını sunmuyor. Modellerin ayarları ve test koşulları eşleştirilmedikçe karşılaştırmaları temkinli okumak gerekiyor.
Hız ve web ajanı sonuçları
Bir model karşılaştırma sayfası, DiffuSpace’ın ölçümlerine dayanarak tek bir NVIDIA GB300 üzerinde saniyede 680 tokene kadar hız bildiriyor. 27 WindTunnel web ajanı raporundaki 49 görevin her biri üç kez denenmiş. Rapora göre Clover’ın medyan görev süresi 1,52 saniye; Jev ve Mercury 2.5’in birlikte kullanıldığı sistemde ise bu süre 3,21 saniye. Aynı değerlendirmede deneme başına başarı oranları sırasıyla yüzde 98,6 ve yüzde 95,9 olarak veriliyor. Bunlar belirli bir testin sonuçları; her tarayıcı iş akışında aynı performansın görüleceğinin kanıtı değil.
21
Mevcut kaynaklar, Clover’ın tek bir H200 üzerindeki hızını veya DFlash2 spekülatif çözümlemeyle doğrudan hız karşılaştırmasını doğrulamıyor. Topluluk tarafından hazırlanmış bir ZeroGPU demosu belgelenmiş olsa da çevrimiçi demo, başlı başına bir benchmark sayılmaz. 1
Ağırlıklar, lisans ve yayın tarihi
Clover’ın resmî ağırlıkları Hugging Face’te yayımlanıyor; DiffuSpace ayrıca yerel çıkarım için resmî bir GGUF deposu listeliyor. 5
6 PC Watch, modelin Apache 2.0 lisansıyla sunulduğunu ve Transformers üzerinde çıkarım kodunun bulunduğunu aktarıyor. SGLang ve llama.cpp için destek kodu ile kurulum yönergelerinin ise yayımlanmaya hazırlandığı belirtiliyor.
17
Yayın tarihi kaynaklarda farklı biçimde aktarılıyor: PC Watch, Çin saatine göre 28 Ekim tarihini verirken DiffuSpace’ın Hugging Face duyurusu 30 Ekim tarihli. 3
17 Topluluk tarafından hazırlanmış bir ZeroGPU sohbet demosu mevcut; ancak planlanan ajan altyapısı veya masaüstü kodlama istemcisine ilişkin ayrıntılar mevcut kaynaklarla doğrulanmıyor.
1
Kısa değerlendirme
Clover, blok difüzyonu kodlama ve araç kullanan ajanlara taşımayı amaçlayan dikkat çekici bir açık ağırlıklı model. Mimarisi soldan sağa token üretiminden farklı ve açıklanan benchmark ile hız sonuçları takip edilmeye değer. Ancak bu iddialar şimdilik kesinleşmiş değil. Bağımsız testlerin yalnızca saniye başına token sayısını değil; araç çağrılarının doğru biçimlendirilmesini, hatalardan sonra toparlanmayı, uzun görevlerin tamamlanmasını ve uçtan uca gecikmeyi de ölçmesi gerekiyor.
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 ne vadediyor, erken sonuçları neyi kanıtlamıyor?"?
Clover 35B A3B Preview, kodlama ve araç kullanan ajanlara odaklanan; toplam 35 milyar, token başına yaklaşık 3 milyar etkin parametreli açık ağırlıklı bir difüzyon dil modeli.
What are the key points to validate first?
Clover 35B A3B Preview, kodlama ve araç kullanan ajanlara odaklanan; toplam 35 milyar, token başına yaklaşık 3 milyar etkin parametreli açık ağırlıklı bir difüzyon dil modeli. Model, metni soldan sağa tek tek token üretmek yerine bloklar hâlinde oluşturuyor.
What should I do next in practice?
DiffuSpace, tek bir GB300 üzerinde saniyede 680 tokene kadar hız bildiriyor. Ayrı bir web ajanı değerlendirmesinde 49 görev için Clover’ın medyan süresi 1,52 saniye olarak aktarılıyor.