扩散智能开源扩散语言模型Clover-35B-A3B：参数扩大5倍，生成速度达同尺寸自回归模型5-10倍
· 来源：央广网
扩散语言模型企业DiffuSpace开源Clover-35B-A3B-Preview，在智能体编程等任务上超过Mercury 2.5和Qwen3.6-35B-A3B，整体生成速度约680 tokens/秒。
10月28日，扩散语言模型研究企业扩散智能（DiffuSpace）发布并开源最新模型Clover-35B-A3B-Preview。模型采用MoE架构，总参数350亿，激活30亿。
与GPT、Claude等主流模型“从左到右”逐个生成token的自回归方式不同，扩散语言模型（dLLM）可以全局生成、并行解码，在规划和全局一致性上有优势，速度也远快于自回归模型。测试数据显示，Clover在智能体编程等关键任务上超过同类扩散模型Mercury 2.5和同尺寸自回归模型Qwen3.6-35B-A3B，生成速度最高可达后者的5到10倍。与上一代相比，Clover参数扩大了5倍，速度保持不变，能力更强，显示出dLLM路线的规模化潜力。
在官方演示中，从20条空管报文中提取地点和半径、为无人机在三维地图上设置禁飞区，Clover只用了7.32秒，而对照的Qwen3.5耗时62.3秒。其技术博客称，内部测试中整体生成速度约680 tokens/秒。在开发者的WindTunnel测评里，Clover在49项任务上的中位执行时间为1.52秒，“Jev+Mercury 2.5”组合为3.21秒。
目前模型权重和代码已在Hugging Face与GitHub发布，支持SGLang和llama.cpp推理。DiffuSpace表示，下一步还将推出基于Clover的决策模型和多模态模型。