DiffuSpace 開源 Clover-35B-A3B-Preview 擴散語言模型　稱多項測試超越同規模自回歸模型

人工智慧實驗室 DiffuSpace（擴散智慧）於 10 月 28 日發布 Clover（三葉草）系列模型家族的首個成員 Clover-35B-A3B-Preview，採 Apache 授權開源。此訊息由 IT 之家於 10 月 29 日報導，DiffuSpace 亦在其官方部落格發布說明文章。

模型定位與架構

根據 DiffuSpace 公布的資料，Clover-35B-A3B-Preview 是一款採用 MoE（混合專家）架構的擴散語言模型，總參數量 35B、啟動參數 3B。與逐字生成的傳統自回歸模型不同，該模型以多輪迭代的方式生成結果，由模糊逐步修正至具體，官方將此特性稱為「全域思維」。

擴散語言模型是相對小眾的技術路線。多數主流大模型仍採自回歸方式生成文字，擴散路線的支持者主張其並行生成特性可換取速度優勢；此一路線在更大參數規模下的表現，過往公開可比較的資料有限。

官方說法與對照組

DiffuSpace 表示，Clover-35B-A3B-Preview 的成果旨在證明擴散語言模型能在更大參數尺度下與自回歸模型競爭甚至略勝一籌，同時維持更快的生成速度。

官方選定的對照組為同規模的自回歸模型 Qwen3.6-35B-A3B。DiffuSpace 稱 Clover 在多項基準測試中性能超過該對照模型，其中表現較突出的是智慧體編程（agentic coding）與工具使用任務。目前官方未在報導來源中列出各項基準測試的具體分數與測試條件，相關數據仍待模型頁面與獨立第三方評測佐證。

此一發布與近期 AI 模型競爭態勢並行發展。各家廠商持續推出不同規模與架構路線的模型，例如 Liquid AI 的 LFM3 系列與 KRAFTON AI 的 Raon-1 mini，市場上中小規模模型的選擇持續增加。

可核實邊界

需要說明的是，目前關於 Clover-35B-A3B-Preview 的資訊主要來自 DiffuSpace 官方部落格與 IT 之家的轉述報導。「超越同規模自回歸模型」的說法屬官方單方面主張，尚無獨立評測機構的交叉驗證。模型以 Preview 版本命名，後續穩定版時程與完整技術報告均未公布。

至於開源後社羣實際部署的推論速度、顯存需求與工具呼叫表現，須待更多開發者實測結果出爐後方能確認。

#擴散語言模型 #DiffuSpace #開源模型