350亿参数扩散语言模型Clover发布，Agent速度超Jev两倍

Diffusion Intelligence 近日发布了全新的扩散语言模型 Clover-35B-A3B-Preview，标志着扩散模型正式突破图像与视频生成领域，深入 Agent 核心任务。

模型架构与参数

Clover-35B-A3B-Preview 采用 MoE（混合专家）架构，总参数量达到 350 亿，每个 token 激活约 30 亿参数，并支持思考模式。相较于上一代 70 亿参数的 Dream 7B，新模型在参数量大幅提升的同时，推理速度并未减慢，反而在同类自回归模型的对比中展现出速度优势。

Agent 任务与速度优势

在实际应用中，Clover 在代码编写、网页操作、工具调用及 HTML 生成等方面表现出极高的效率。在 Web Agent 评估基准 WindTunnel 的 49 项任务中，Clover 的中位执行时间仅为 1.52 秒，而 Jev 与 Mercury 2.5 的组合耗时为 3.21 秒，速度提升超过一倍。同时，Clover 的任务成功率达到 98.6%，略高于 Jev 组合的 95.9%，且速度远超 Gemini。

连续任务处理能力

以往扩散语言模型在处理 Agent 任务时，常出现工具调用格式错误或陷入重复尝试的问题。Clover 此次在连续操作方面取得显著进展，能够稳定执行“调用工具-读取反馈-继续执行”的闭环。
官方演示显示，Clover 可通过 WebMCP 连续处理发票开具、课程注册、金额汇总等 6 项复杂任务，并在网购场景中完成找商品、加购物车、填写信息及结账的全流程，执行速度完全超越 Gemini 3.6 Flash。

基准测试成绩

在工具使用相关的基准测试中，Clover 在 τ³ Overall 和 BFCL-v4 评测中分别获得 65.3 分和 67.9 分，位居前列。在代码能力方面，其在考察真实代码仓库问题解决能力的 SWE-bench Verified 中得分 73.6，在考察终端任务执行能力的 Terminal-Bench 2.1 中得分 51.7，展现出卓越的代码生成与执行实力。