单卡680 tokens/s的扩散模型，先别急着把它当替代品

Clover-35B-A3B-Preview发布了。DiffuSpace给它的标签很直接：首个开放权重生产扩散语言模型，35B总参数，3B激活，Apache 2.0，单卡BF16跑到680 tokens/s。

数字先放一边。扩散语言模型最常被问的，是除了论文图，在哪里跑。Clover这次把权重、推理后端和Demo一起放出来，至少这个问题有了可执行的答案。

自回归模型逐token往下写，扩散模型可以对一块token一起去噪。Clover用的是块扩散，官方把历史上下文压进GDN递归状态，当前块内用双向softmax注意力做细粒度交互，还加了可学习的块大小校准和右侧上下文的零初始化卷积分支。说人话：它想让块级并行去噪在长上下文里也能工作，同时保留生成速度。

官方给出的Agent跑分里，Clover在所列模型中六项最高：SWE-bench Verified 73.6，Terminal-Bench 2.1 51.7，τ³ Overall 65.3。通用能力上，GPQA Diamond 83.8，ZebraLogic 95.8，AA-LCR 72.0。对比对象包括同尺寸的Qwen3.6-35B-A3B，以及LLaDA2.2 flash、Mercury 2.5等扩散模型。

速度数据要看清条件。680 tokens/s是在单张NVIDIA GB300、BF16、batch size = 1、内部Agent场景数据上测的。官方还给了H200上的Agent任务数据：Clover 515 tokens/s，DFlash2方案365 tokens/s。它不是通用SLA，但能说明扩散架构在单请求Agent循环里的速度潜力。

速度在Agent里不是跑分装饰。Agent要连续做决策、执行、反馈、调整，每一步的延迟都会沿任务链累积。官方Demo里，同一个GitLab任务，相同Agent框架、提示词、工具和浏览器，Clover用13步、169.9秒完成创建私有项目并邀请成员，Qwen3.6 Flash用21步、392.3秒。

另一个Demo是路径规划。用户要从匹兹堡CMU开车去最近的Wendy's，地图搜索没有位置信号，直接搜店名会跳到缅因州。Clover识别结果偏离目标，逐步加城市、街区、邮编改写检索，页面卡住后重置重填，最后找到2.0公里、约3分钟车程的门店。官方记录里，Clover用28步、169.9秒完成，Qwen3.6 Flash用满30步、578.3秒，仍停在347公里外的门店。

这类Demo样本不大，官方也写明一次运行、不重试。它能展示行为，不能替代独立评测。真正要看的，是换成你的工具链、你的网页环境、你的长任务之后，速度和成功率还成不成立。

官方还放了无人机调度案例。复合空管报文要拆成禁飞区解除、航点修改、任务分配、禁飞区半径调整和紧急调度五项任务，Clover在0.97秒后同时给出五项正确结果，Qwen在3.78秒展示结果，把UAV5的测绘任务误解析成医疗任务。这里能看出并行去噪对复合指令解析的吸引力。

GenUI是另一个自然场景。官方演示用单个HTML文件模拟桌面环境，要求窗口可拖拽，能打开记事本、计算器、时钟、天气和设置等小应用。Clover根据一条需求生成带程序坞和窗口系统的交互页面。

端侧也有数据。Clover在16GB显存的NVIDIA RTX 5070 Ti上做INT4量化部署，MATH-500生成速度101.8 tokens/s，官方对照的同规模MiniCPM、Qwen等模型是48.5 tokens/s。这个数字对想在本地跑Agent或交互应用的人更有参考价值。

生态伙伴SigmaZ把Clover带进教育场景，做可交互的3D科普。官方展示了一个细胞能量工厂页面，用户可以点击细胞器、切换标签、旋转视角。另一个是日月食演示，拖动时间轴看太阳、地球、月球的相对运动。SigmaZ称计划把token吞吐提升到2000 tokens每秒。

官方还预告了基于Clover的决策模型，后续发布。它支持独立模式和联合模式，联合模式把同一份材料下的多个问题放在一次去噪过程里并行生成，每次最多8个答案。内部验证包含500组、2420道关联问题，联合模式单题准确率95.0%，80.4%的问题组全对；同一模型独立作答是89.8%和62.4%，TypeSafe Jev在历史评测中是63.6%和15.8%。这个方向比单纯刷生成速度更有产品意味：多个关联判断一起生成，可能减少前后矛盾。

怎么用。权重在Hugging Face和ModelScope，代码在GitHub，Apache 2.0。官方支持Hugging Face Transformers、SGLang和llama.cpp。SGLang支持块扩散去噪和自推测解码，llama.cpp支持自推测解码。官方推荐SGLang做服务和评测，因为Hugging Face实现和SGLang kernel存在数值差异，生成文本可能不同。Transformers最小示例要求PyTorch 2.10以上、Transformers 5.19.0，单卡BF16权重大约69GB，显存先留够。SFT代码还没放出来，官方写的是coming soon。

从公开材料看，Clover把扩散语言模型往前推了一步：不再只证明能打，而是把开放权重、推理后端、Agent Demo和端侧部署摆到同一张桌上。接下来该看的不是又一个官方跑分，而是独立复现、长程任务稳定性，以及服务端并发和成本。680 tokens/s很亮，但把它放进生产流水线之前，先跑通SGLang，再拿你的真实任务打一遍。

相关链接：官方博客 Hugging Face ModelScope GitHub 在线体验申请 SGLang PR llama.cpp PR