扩散智能发布Clover-35B-A3B-Preview扩散语言模型，主打代码与Agent任务

扩散智能发布扩散语言模型Clover-35B-A3B-Preview，将团队此前的Dream 7B从70亿参数推进到350亿总参数规模。模型采用MoE架构，每个token激活约30亿参数，支持思考模式，用法与大语言模型接近，可写代码、生成网页、调用工具和生成HTML。 速度是本次展示的重点。在网页Agent评测WindTunnel的49个任务中，每个任务尝试3次，Clover中位执行时间为1.52秒，Jev＋Mercury 2.5组合为3.21秒，尝试成功率分别为98.6%和95.9%。官方演示中，Clover通过WebMCP连续处理开票、课程报名、金额汇总、活动状态查询、客户信息查询和发票信息查询六项任务，并在线上购物场景完成选款、加购、填写访客信息和测试结账流程。 评测数据方面，Clover在工具使用相关的τ³ Overall和BFCL-v4上分别拿到65.3和67.9，SWE-bench Verified为73.6，Terminal-Bench 2.1为51.7。 技术路线上，Clover采用块扩散，将待生成内容分块，块间依次推进、块内多位置并行更新。团队围绕块扩散重构门控Delta网络（GDN），把已生成上下文压缩进持续更新的状态供后续读取，当前块通过双向注意力让块内token相互参考，并将历史记忆读出作为独立信息单元参与注意力计算，同时用可学习的块大小校准减少块变大后历史信息被稀释。 扩散智能由香港大学孔令鹏教授及其博士生龚珊三、叶佳成联合创立，团队2022年提出DiffuSeq，2025年4月参与推出Dream 7B。团队计划后续推出Clover多模态版本，推进扩散语言模型与多模态理解及动作生成的结合，并与Acrab合作开展端侧系统适配和软硬件协同验证，同时探索更大规模模型、提升长程任务稳定性。