扩散智能开源扩散语言模型 Clover-35B-A3B-Preview

Agent任务快至 1.52 秒，对标同规模自回归模型。 作者 | 王涵 编辑 | 李水青 智东西10月28日报道，今天，深圳大模型厂商扩散智能（DiffuSpace）发布并开源扩散语言模型Clover-35B-A3B-Preview，该模型采用混合专家架构（MoE），总参数350亿、激活参数30亿，支持思考模式。 该公司发布的基准测试结果显示，Clover-35B-A3B-Preview在SWE-bench Verified、Terminal-Bench2.1等6项智能体编程及工具使用任务评测中，排名同级别模型中的第一，超过同规模自回归模型Qwen3.6-35B-A3B。 HuggingFace： https://huggingface.co/Diffuspace/Clover-35B-A3B-Preview GitHub： https://github.com/DiffuSpace/Clover-35B-A3B-Preview ModelScope： https://modelscope.cn/models/Diffuspace/Clover-35B-A3B-Preview 申请在线体验： https://chat.diffuspace.ai/ 同时，扩散智能还推出了Clover-35B-A3B-Preview的决策模型，面向快速、结构化的判断任务，支持独立模式和联合模式两种作答方式，该模型将在后续发布。 不同于TypeSafe的Jev等开源决策模型的单点评估思路，联合模式以全局统筹的方式开展推理，省去多次交互的耗时，使多项判断相互参照、规避逻辑冲突，一次性完成一组关联决策，实现更快、更稳定的推理结果。 在包含500组、2420道关联问题的内部验证中，联合模式答对95.0%，并在80.4%的问题组中全部答对。相比之下，同一模型独立作答时，两项成绩分别为89.8%和62.4%；Jev在相同题目的历史评测中分别为63.6%和15.8%。 在对比案例中，针对合同中的判断问题，Clover-35B-A3B-Preview决策模型的联合模式的5项判断全部正确，独立模式答对4项，Jev答对2项。 该决策模型还和Jev展开了一场中国象棋的对弈，结果是扩散智能的决策模型执黑获胜。 扩散智能于2026年成立于深圳，由港大NLP实验室联合主管孔令鹏教授，以及其博士生龚珊三、叶佳成联合创立。核心团队长期研究扩散语言模型，是全球最早探索该路线的团队之一，在条件生成、离散信号建模、Scaling三大dLLM（扩散大语言模型）核心问题上取得全球领先突破。 该团队早在2022年就启动dLLM前沿研究，提出了DiffuSeq，开创了扩散模型处理序列到序列文本生成（Seq2Seq）的技术路径。2025年4月，其推出扩散语言模型Dream 7B，至今Dream系列模型累计在Hugging Face下载超270万次。 10月9日，扩散智能首次公布融资，其连续完成两轮融资，总金额数亿元人民币，创下公开披露的全球dLLM最大规模融资纪录。 01. 6项Agent测评第一 单卡GB300生成速度达680 tokens/s 在基准测试方面，Clover-35B-A3B-Preview在智能体编程与工具使用任务中表现较好。在本次对比的6项Agent评测中，该模型均取得了所列模型中的最高分。 其中，SWE-bench Verified达到73.6分，Terminal-Bench2.1达到51.7分，τ³ Overall达到65.3分，超过了同为扩散语言模型的LLaDA2.2 flash、Mercury 2.5，以及同尺寸的自回归模型Qwen3.6-35B-A3B和Qwen3.5-35B-A3B。 在指令遵循、知识、逻辑推理和长文本理解等多项评测中，其成绩达到或超过同规模自回归模型，GPQA Diamond、ZebraLogic和AA-LCR分别达到83.8、95.8和72.0分。 在推理效率方面，团队使用覆盖代码编写、终端操作和工具调用等场景的内部Agent任务执行记录进行测试。 端侧部署方面，Clover-35B-A3B-Preview在单张NVIDIA GB300 GPU上，以BF16精度、batch size=1，达到680 tokens/s的整体生成速度。 此外，在单张NVIDIA H200 GPU上，Clover达到515tokens/s，高于DFlash2方案的365 tokens/s。 与其他代表性轻量级、高效推理或端侧部署模型的对比中，Clover-35B-A3B-Preview在9项评测中的6项取得最高分，优势覆盖知识推理、工具使用与智能体编程。 02. 路线规划28步完成 49项Agent任务耗时中位数仅1.52秒 基于Clover-35B-A3B-P

来源只提供摘要，完整内容请打开原文。