扩散智能发布Clover，扩散模型进入Agent主场
扩散智能推出35B级Clover预览版，瞄准代码、工具调用和浏览器Agent，并以并行生成争取更低延迟。
扩散路线开始挑战Agent任务
扩散智能发布Clover-35B-A3B-Preview。这是一款总参数量350亿、每个Token激活约30亿参数的混合专家扩散语言模型，面向代码生成、网页构建和工具调用型Agent。与逐Token生成的自回归模型不同，Clover采用块扩散方式，通过多轮去噪并行更新一组Token。
这次发布的价值在于，团队把扩散语言模型放进了实际Agent任务。演示中，Clover能够生成交互式HTML，通过WebMCP处理浏览器流程，并连续完成多步业务操作。在覆盖49项任务、每项尝试3次的完整评测中，团队称Clover的Agent执行耗时中位数为1.52秒，Gemini 3.6 Flash为8.86秒；WebMCP演示中的六项任务则由两款模型均成功完成。
速度之外，关键是能否记住上下文
Clover围绕块扩散重构了双向门控Delta网络。团队称，历史上下文会被压缩进递归状态，当前块内的Token则通过双向注意力交互。团队公布的成绩包括τ³ Overall 65.3、BFCL-v4 67.9、SWE-bench Verified 73.6和Terminal-Bench 2.1 51.7。
不过，这些数据来自发布团队，并依赖特定硬件、提示词、工具和评测设置；模型也仍是Preview版本。长流程稳定性、结果可复现性，以及面对变化中的工具返回值时能否持续纠错，都还没有经过充分独立验证。如果Clover的速度优势能在更广泛测试中成立，扩散模型就可能从研究路线变成低延迟Agent的实际选项。
Uncle Cat判断
Clover真正值得盯的不是350亿参数，而是它能否连续完成六步工具操作仍不丢上下文；速度结论要等独立测试确认。