DiffuSpace 的 Clover-35B-A3B-Preview 是一款从 Qwen3.6-35B-A3B 改造而来的开权重、纯文本扩散语言模型。它主要面向编程和工具调用代理，而不只是常规聊天。DiffuSpace 公布了多项代理任务成绩，但现有资料尚不能独立验证这些结果，也不能证明模型能够稳定完成漫长且容易出错的工作流程。3521

Clover 的分块扩散是什么？

自回归语言模型通常从左到右逐个生成 token。Clover 采用分块扩散：模型按文本块生成，并在每个块内部使用双向注意力，同时保留因果前缀——也就是当前块之前已经确定的文本。24

该模型基于 Qwen3.6-35B-A3B，采用混合专家（MoE）架构，总参数量为 350 亿，每个 token 大约激活 30 亿参数。模型资料还列出了思考模式，以及约 128K token 的上下文窗口。58

现有介绍提到，分块扩散设计中使用了学习得到的 Gated DeltaNet 参数；但公开细节不足以判断所谓的 Gated DeltaNet 重构或可学习块大小校准具体发挥什么作用。27

代理能力：公布了什么，尚未证明什么

DiffuSpace 将 Clover 定位为适用于代理式编程和工具调用的模型。公布的成绩涉及软件修复、终端任务和函数调用基准。另有一份报告介绍了网页代理测试，以及课程报名、发票处理和信息查询等任务演示。21

不过，现有证据不足以说明 Clover 的前端代码生成能力究竟如何，也无法证明分块扩散本身能够避免格式错误的工具调用，或反复尝试仍无法完成任务。要回答这些可靠性问题，需要在具体任务中测试；生成速度或单项基准分数都不能单独给出答案。

已公布的基准成绩

下表成绩由 DiffuSpace 报告，或由介绍其团队测试结果的报道转述；不应视为经过独立验证的结论。21

评测项目	公布成绩
SWE-bench Verified	73.6
Terminal-Bench 2.1	51.7
τ³ Overall	65.3
BFCL-v4	67.9

现有资料没有提供足够可比的评测细节，因此无法确认 Clover 相较于 Qwen3.6-35B-A3B 或其他同等规模自回归模型的准确领先幅度。除非模型设置和测试条件一致，否则对比结果应谨慎看待。

速度与网页代理测试

一份模型比较页面称，DiffuSpace 测得 Clover 在单张 NVIDIA GB300 上最高达到每秒 680 个 token。27另一份 WindTunnel 网页代理报告涵盖 49 项任务，每项任务尝试三次：Clover 的中位执行时间为 1.52 秒，Jev 加 Mercury 2.5 的组合为 3.21 秒；报告中的尝试成功率分别为 98.6% 和 95.9%。这些是特定评测中的报告结果，并不代表模型能胜任所有浏览器工作流程。21

现有资料无法证实 Clover 在单张 H200 上的速度数据，也无法支持它与 DFlash2 推测解码的直接速度比较。虽然有社区提供的 ZeroGPU 演示，但托管演示本身并不等于基准测试。1

权重、许可与发布时间

Clover 权重托管在 Hugging Face 官方模型仓库中，DiffuSpace 也列出了用于本地推理的官方 GGUF 仓库。56PC Watch 报道称，该模型采用 Apache 2.0 许可证并提供 Transformers 推理代码；SGLang 和 llama.cpp 的支持代码及安装说明则被描述为后续提供。17

发布时间的说法并不完全一致：PC Watch 称模型于中国时间 10 月 28 日发布，而 DiffuSpace 在 Hugging Face 上发布的介绍文章日期为 10 月 30 日。317现有资料还记录了一个社区 ZeroGPU 聊天演示，但无法核实此前提及的代理运行框架或桌面编程客户端计划。1

目前值得关注的是什么？

Clover 是一次值得留意的开权重尝试：它将分块扩散带入编程与工具调用代理领域，生成架构不同于传统的逐 token 自回归方式，公布的基准和速度数据也值得进一步检验。但这些主张目前仍属初步结果。独立测试还应关注工具调用格式是否有效、出错后能否恢复、长流程能否完成，以及端到端延迟，而不只是每秒生成多少 token。

DiffuSpace 的 Clover-35B-A3B-Preview 是一款从 Qwen3.6-35B-A3B 改造而来的开权重、纯文本扩散语言模型。它主要面向编程和工具调用代理，而不只是常规聊天。DiffuSpace 公布了多项代理任务成绩，但现有资料尚不能独立验证这些结果，也不能证明模型能够稳定完成漫长且容易出错的工作流程。3521

Clover 的分块扩散是什么？

自回归语言模型通常从左到右逐个生成 token。Clover 采用分块扩散：模型按文本块生成，并在每个块内部使用双向注意力，同时保留因果前缀——也就是当前块之前已经确定的文本。24

该模型基于 Qwen3.6-35B-A3B，采用混合专家（MoE）架构，总参数量为 350 亿，每个 token 大约激活 30 亿参数。模型资料还列出了思考模式，以及约 128K token 的上下文窗口。58

现有介绍提到，分块扩散设计中使用了学习得到的 Gated DeltaNet 参数；但公开细节不足以判断所谓的 Gated DeltaNet 重构或可学习块大小校准具体发挥什么作用。27

代理能力：公布了什么，尚未证明什么

DiffuSpace 将 Clover 定位为适用于代理式编程和工具调用的模型。公布的成绩涉及软件修复、终端任务和函数调用基准。另有一份报告介绍了网页代理测试，以及课程报名、发票处理和信息查询等任务演示。21

不过，现有证据不足以说明 Clover 的前端代码生成能力究竟如何，也无法证明分块扩散本身能够避免格式错误的工具调用，或反复尝试仍无法完成任务。要回答这些可靠性问题，需要在具体任务中测试；生成速度或单项基准分数都不能单独给出答案。

已公布的基准成绩

下表成绩由 DiffuSpace 报告，或由介绍其团队测试结果的报道转述；不应视为经过独立验证的结论。21

评测项目	公布成绩
SWE-bench Verified	73.6
Terminal-Bench 2.1	51.7
τ³ Overall	65.3
BFCL-v4	67.9

现有资料没有提供足够可比的评测细节，因此无法确认 Clover 相较于 Qwen3.6-35B-A3B 或其他同等规模自回归模型的准确领先幅度。除非模型设置和测试条件一致，否则对比结果应谨慎看待。

速度与网页代理测试

一份模型比较页面称，DiffuSpace 测得 Clover 在单张 NVIDIA GB300 上最高达到每秒 680 个 token。27另一份 WindTunnel 网页代理报告涵盖 49 项任务，每项任务尝试三次：Clover 的中位执行时间为 1.52 秒，Jev 加 Mercury 2.5 的组合为 3.21 秒；报告中的尝试成功率分别为 98.6% 和 95.9%。这些是特定评测中的报告结果，并不代表模型能胜任所有浏览器工作流程。21

现有资料无法证实 Clover 在单张 H200 上的速度数据，也无法支持它与 DFlash2 推测解码的直接速度比较。虽然有社区提供的 ZeroGPU 演示，但托管演示本身并不等于基准测试。1

权重、许可与发布时间

Clover 权重托管在 Hugging Face 官方模型仓库中，DiffuSpace 也列出了用于本地推理的官方 GGUF 仓库。56PC Watch 报道称，该模型采用 Apache 2.0 许可证并提供 Transformers 推理代码；SGLang 和 llama.cpp 的支持代码及安装说明则被描述为后续提供。17

发布时间的说法并不完全一致：PC Watch 称模型于中国时间 10 月 28 日发布，而 DiffuSpace 在 Hugging Face 上发布的介绍文章日期为 10 月 30 日。317现有资料还记录了一个社区 ZeroGPU 聊天演示，但无法核实此前提及的代理运行框架或桌面编程客户端计划。1

目前值得关注的是什么？

Clover 是一次值得留意的开权重尝试：它将分块扩散带入编程与工具调用代理领域，生成架构不同于传统的逐 token 自回归方式，公布的基准和速度数据也值得进一步检验。但这些主张目前仍属初步结果。独立测试还应关注工具调用格式是否有效、出错后能否恢复、长流程能否完成，以及端到端延迟，而不只是每秒生成多少 token。