AnswersPublished21 sources
Що вміє Clover-35B-A3B — і чого її перші результати ще не доводять
Clover 35B A3B Preview — відкрита дифузійна мовна модель для агентів, які пишуть код і користуються інструментами: загалом 35 млрд параметрів, приблизно 3 млрд активних на токен. Замість послідовної генерації токен за токеном модель створює блоки тексту з двонапрямленою увагою всередині кожного.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- Clover 35B A3B Preview — відкрита дифузійна мовна модель для агентів, які пишуть код і користуються інструментами: загалом 35 млрд параметрів, приблизно 3 млрд активних на токен.
- Замість послідовної генерації токен за токеном модель створює блоки тексту з двонапрямленою увагою всередині кожного.
- DiffuSpace заявляє швидкість до 680 токенів за секунду на одному GB300. В окремому звіті про вебагента медіанний час виконання становив 1,52 секунди на 49 завданнях.
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 — відкрита модель із доступними вагами, яку DiffuSpace адаптувала на основі Qwen3.6-35B-A3B. Її розробляли насамперед для агентного програмування та роботи з інструментами, а не лише для звичайного чату. Команда повідомляє про високі результати в агентних тестах, однак доступні дані не є незалежною перевіркою і не доводять, що модель надійно виконує довгі завдання з багатьма кроками. 3
5
21
Як працює блочна дифузія
Звичайні авторегресійні мовні моделі зазвичай генерують текст зліва направо — токен за токеном. Clover використовує блочну дифузію: створює фрагменти тексту, застосовуючи двонапрямлену увагу всередині кожного блоку й водночас зберігаючи причинний префікс — текст, сформований до поточного блоку. 2
4
Модель побудована на базі Qwen3.6-35B-A3B. Це архітектура типу «суміш експертів» (MoE): загалом вона має 35 млрд параметрів, але для кожного токена активується приблизно 3 млрд. В описі моделі також зазначені режим міркування та контекстне вікно обсягом близько 128 тисяч токенів. 5
8
Описи архітектури згадують навчені параметри Gated DeltaNet у складі блочної дифузії. Однак наявних відомостей недостатньо, щоб оцінити конкретну роль можливих змін у Gated DeltaNet чи калібрування розміру блоків. 2
7
Що показують агентні тести — і чого вони не показують
DiffuSpace орієнтує Clover на агентне програмування та використання інструментів. У заявлених результатах фігурують тести на виправлення програмних помилок, виконання завдань у терміналі та виклики функцій. Окремий звіт описує оцінювання вебагента й демонстрації завдань на кшталт реєстрації, роботи з рахунками та пошуку інформації. 21
Надані джерела не дають змоги оцінити, наскільки добре Clover генерує інтерфейси. Так само вони не доводять, що сама блочна дифузія запобігає некоректним викликам інструментів або повторенню невдалих кроків. Надійність у таких сценаріях потрібно перевіряти на рівні виконання завдань: швидкість генерації чи окремий бал у тесті не дають на це відповіді.
Заявлені результати тестування
Наведені нижче оцінки оприлюднила DiffuSpace або медіа, що описували результати команди. Їх не слід сприймати як незалежно підтверджені. 21
| Тест | Заявлений результат |
|---|---|
| SWE-bench Verified | 73,6 |
| Terminal-Bench 2.1 | 51,7 |
| τ³ Overall | 65,3 |
| BFCL-v4 | 67,9 |
Доступні джерела не містять достатньо порівнюваних подробиць, щоб точно визначити перевагу над Qwen3.6-35B-A3B чи іншими авторегресійними моделями подібного розміру. Такі зіставлення варто оцінювати обережно, доки не узгоджено налаштування моделей і умови тестування.
Швидкість і результати вебагента
Сторінка порівняння моделей наводить пікову швидкість 680 токенів за секунду на одному NVIDIA GB300 за вимірюваннями DiffuSpace. 27 В окремому звіті про вебагента WindTunnel описано 49 завдань, кожне з яких виконували тричі. Заявлений медіанний час виконання Clover становив 1,52 секунди, а зв’язки Jev і Mercury 2.5 — 3,21 секунди. У тому ж звіті частка успішних спроб становила відповідно 98,6% і 95,9%. Це результати конкретного тестування, а не гарантія роботи в будь-якому сценарії з браузером.
21
Доступні джерела не підтверджують показник швидкості Clover на одному H200 чи пряме порівняння з прискореним декодуванням DFlash2. Існування спільнотної демонстрації на ZeroGPU задокументоване, але наявність демоверсії сама по собі не є бенчмарком. 1
Ваги, ліцензія та дата випуску
Офіційні ваги Clover розміщені в репозиторії DiffuSpace на Hugging Face; команда також вказує на офіційний репозиторій GGUF для локального запуску. 5
6 PC Watch повідомляє про ліцензію Apache 2.0 та доступність коду для запуску через Transformers. За тим самим матеріалом, допоміжний код і інструкції для SGLang та llama.cpp мали з’явитися пізніше.
17
Джерела по-різному вказують дату випуску: PC Watch пише про 28 жовтня за китайським часом, а стаття DiffuSpace на Hugging Face датована 30 жовтня. 3
17 Також описана спільнотна чат-демоверсія на ZeroGPU, але наявні матеріали не підтверджують подробиць про заплановану агентну оболонку чи настільний клієнт для програмування.
1
Що варто винести з перших результатів
Clover — помітна спроба застосувати блочну дифузію у відкритій моделі для програмування та роботи з інструментами. Архітектурно вона відрізняється від послідовної генерації токен за токеном, а заявлені оцінки й показники швидкості варті подальшої перевірки. Водночас ці результати поки попередні. Незалежні тести мають оцінити коректність викликів інструментів, відновлення після помилок, виконання довгих завдань і наскрізний час роботи — а не лише кількість токенів за секунду.
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 "Що вміє Clover-35B-A3B — і чого її перші результати ще не доводять"?
Clover 35B A3B Preview — відкрита дифузійна мовна модель для агентів, які пишуть код і користуються інструментами: загалом 35 млрд параметрів, приблизно 3 млрд активних на токен.
What are the key points to validate first?
Clover 35B A3B Preview — відкрита дифузійна мовна модель для агентів, які пишуть код і користуються інструментами: загалом 35 млрд параметрів, приблизно 3 млрд активних на токен. Замість послідовної генерації токен за токеном модель створює блоки тексту з двонапрямленою увагою всередині кожного.
What should I do next in practice?
DiffuSpace заявляє швидкість до 680 токенів за секунду на одному GB300. В окремому звіті про вебагента медіанний час виконання становив 1,52 секунди на 49 завданнях.