这件事的核心是什么
DiffuSpace开源的Clover-35B-A3B-Preview,正在把扩散语言模型从追求生成速度的研究原型,推向真实Agent任务。总参数量350亿、激活参数约30亿,它不再严格按从左到右的顺序输出Token,而是并行生成并反复修正内容。
更关键的是,Clover-35B把目光对准了代码修复、终端操作和工具调用。团队预测未来一到两年,扩散语言模型可能在部分场景替代同规模自回归模型。这里的“替代”并非全面取代,而是先在延迟敏感、允许并行且容易验证结果的Agent工作流中建立优势。

为什么值得关注:三个关键原因
- 性能进入第一梯队:统一协议下七项Agent指标均排名第一,SWE-bench Verified达到73.6分。
- 生成方式发生改变:并行Token配合多轮修正,摆脱了每次只生成一个Token的串行约束。
- 完整技术可核验:技术报告与SFT代码同步开放,架构、训练方法和评测口径均能被外部复现。

关键细节拆解
Clover-35B的技术核心是“分块扩散”。模型把待生成文本划分为多个Block,块内Token可以并行生成并双向交换信息,已经完成的历史内容则通过KV Cache复用。这样既减少长上下文上的重复计算,也保留了并行生成优势。它并非一次改写整篇文章,而是以块为边界逐步向后推进。
为了兼顾历史上下文和当前块,团队对Gated DeltaNet进行了双向改造,形成BD-GDN。其混合架构每四层为一组,包括三层BD-GDN–dMoE和一层Full Attention–dMoE,共重复十次。历史状态与块内信息进入同一个Softmax,右侧上下文卷积分支则补充当前位置之后的信息。当前局限也很明确:双向交互主要发生在块内,尚未实现覆盖整篇任务的全局规划。
公开评测显示,Clover-35B在SWE-bench Verified、Terminal-Bench 2.1和τ³ Overall上分别取得73.6、51.7和65.3。官方还披露,在部分测试配置中,Token生成速度达到同级自回归模型的5至10倍。不过,Token更快并不等于任务端到端更快,工具等待、测试执行、代码修复和Harness调度仍会占用时间。
| 维度 | Clover-35B公开结果 | 实际意义 |
|---|---|---|
| 模型规模 | 总参数350亿,激活参数约30亿 | 以较低激活规模承担复杂Agent推理 |
| SWE-bench Verified | 73.6 | 真实GitHub问题修复能力突出 |
| Terminal-Bench 2.1 | 51.7 | 终端环境中的操作与排错能力较强 |
| τ³ Overall | 65.3 | 综合工具使用表现居所列模型前列 |
| 生成速度 | 部分配置为同级模型的5至10倍 | 适合多候选生成与频繁修订 |
| 发布时间 | 11月19日发布技术报告并开放SFT代码 | 训练细节具备公开可复现性 |
Agent基准比普通文本生成更接近生产环境。SWE-bench Verified包含500个经人工核验的真实GitHub问题,不只是写一个函数,而是理解仓库并完成修复;Terminal-Bench 2.1则要求模型进入终端执行任务。因此,Clover-35B的意义不只是推理更快,而是开始证明扩散路线可以承担需要环境反馈的闭环工作。

对普通用户意味着什么
最先产生变化的可能不是聊天机器人,而是后台自动化。软件公司可以让模型并行提出多处修复方案,再由测试和代码审查筛选;客服或运营系统也能同时处理多个彼此独立的查询。用户感受到的是响应更快、任务等待更少,而不是模型突然“全面觉醒”。
办公层面,批量整理文档、生成脚本、排查日志等任务更适合扩散模型:输出可以验证,错误也能回滚。反过来,开放式写作、严格逐步推理和高度依赖实时工具反馈的工作,现阶段仍需谨慎评估。自回归模型不会被立即替换,用户也不必因为这一技术发布就更换现有工具。

对开发者和从业者意味着什么
技术选型不应只看单次生成速度。开发者需要同时测量首Token延迟、整任务耗时、工具调用成功率、上下文成本和结果可验证性。Clover-35B适合先从测试驱动、代码修复等有明确验收条件的任务切入,再逐步扩展到工具编排,而不是直接接管不可逆的业务操作。
商业层面,模型能力正在向执行框架转移。传统Harness默认模型逐Token生成,再依次调用工具;扩散模型一次返回多个候选后,Harness可能并行运行无依赖工具,并用测试结果筛选最佳候选。未来的竞争单位可能不再是某个模型分数,而是“模型加Harness加验证环境”的完整效率。
职业层面,Agent工程、任务拆解、评测设计和系统优化会更重要。单纯依赖提示词调用的价值可能下降,能够识别哪些步骤可并行、哪些结果必须校验、失败后如何恢复的工程师,将更接近AI应用的核心岗位。

现在可以怎么做
- 选择一个有自动验收标准的小型代码任务,保留现有模型作为基线,并记录完整耗时与成功率。
- 下载官方技术报告和SFT代码,复现Clover-35B的基础推理流程,再验证环境与依赖是否适合团队。
- 改造Harness,让无依赖工具并行执行,并为每个候选结果加入测试、静态检查或人工复核节点。
- 分别统计Token生成时间与端到端任务时间,避免把局部加速误判为整体生产力提升。
- 采用灰度上线和回滚机制,优先部署代码建议、测试生成等低风险环节,谨慎处理生产数据操作。
常见问题
Clover-35B会全面取代自回归大模型吗?
短期不太可能。自回归模型在通用对话、严格顺序推理和成熟工具生态中仍占优势。扩散路线更可能先替代部分延迟敏感、结果可验证且允许并行的任务,再根据成本与稳定性逐步扩大适用范围。
扩散语言模型为什么适合Agent?
Agent经常需要同时生成多个步骤、候选方案或工具参数,再依据环境反馈修正。扩散模型可以并行处理块内Token,并让不同位置相互参照,因此更适合多方案探索和迭代修订。不过,它目前的全局规划范围仍受分块结构限制。
生成速度提升5至10倍,任务也能快5至10倍吗?
不能直接画等号。工具启动时间、外部接口等待、测试执行和失败重试都可能成为瓶颈。只有把这些环节一起并行化,并减少无效候选与重复调用,才可能把模型侧的速度优势转化为端到端效率。
这套技术现在适合个人开发者使用吗?
可以先做验证,但应控制投入。开放技术报告和SFT代码降低了研究门槛,不过35B总参数仍需要较高配置的推理资源。个人开发者更适合先评估云端服务、量化版本或申请测试条件,再决定是否进入工程改造。
总结
Clover-35B没有证明扩散语言模型已经赢得全部模型竞争,却给出了一条值得重视的证据:通过分块扩散、块内双向建模和并行Token生成,它可以在代码修复与工具操作中取得强成绩,并明显改善部分生成延迟。Agent正在把模型竞争从“会答题”推向“能完成工作”。
接下来真正需要观察的,是全局规划能否增强、端到端效率能否稳定领先,以及专门Harness能否消化并行候选带来的复杂度。若这些环节成立,DiffuSpace所说的未来一到两年部分替代自回归模型,就可能从技术预测变成可量化的工程结果。
