¿Qué es Clover-35B-A3B-Preview?
Clover-35B-A3B-Preview es el primer modelo de DiffuSpace, un laboratorio cuyo equipo procede del modelo de difusión Dream 7B de HKU NLP. Publicado a finales de octubre de 2026, convierte el modelo mixture-of-experts Qwen3.6-35B-A3B de Alibaba, con 35.000 millones de parámetros y unos 3.000 millones activos, en un modelo de difusión por bloques: en lugar de escribir un token cada vez, rellena bloques de 32 tokens resolviendo en paralelo las posiciones de las que está seguro.
Para ello añade atención bidireccional dentro de cada bloque a las capas Gated DeltaNet de Qwen, y puede limitar cada bloque a un subconjunto compartido de expertos. Conserva un modo de razonamiento y un contexto de 128K tokens, y solo trabaja con texto.
Los pesos están bajo Apache 2.0, heredada de Qwen. El código de Hugging Face es una ruta de referencia; DiffuSpace recomienda su propia versión de SGLang para servirlo y también ofrece soporte para llama.cpp.
¿Cuánto cuesta Clover-35B-A3B-Preview?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Hosted API | Not offered |
Pesos abiertos bajo Apache 2.0; sin API alojada.
¿Merece la pena Clover-35B-A3B-Preview?
El interés de Clover está en el método: demuestra que un modelo mixture-of-experts autorregresivo existente puede convertirse a decodificación paralela por bloques y conservar la mayor parte de su capacidad. DiffuSpace informa de 73,6 en SWE-bench Verified, 51,7 en Terminal-Bench 2.1, 83,8 en GPQA Diamond y 84,8 en MMLU-Pro, y afirma que supera a los modelos de difusión LLaDA2.2 flash y Mercury 2.5 y al autorregresivo Qwen3.6-35B-A3B en las seis pruebas de agentes. Las cifras de los rivales solo aparecen en imágenes de gráficos, y nada se ha medido de forma independiente.
El argumento de la velocidad, que es la razón de ser de la difusión, es menos llamativo de lo que sugiere la arquitectura. En una H200, DiffuSpace midió 515 tokens por segundo frente a 365 de Qwen con decodificación especulativa DFlash2, unas 1,4 veces más rápido. En una RTX 5070 Ti de 16GB en INT4 informa de 101,8 tokens por segundo frente a 48,5 de modelos similares. Una cifra de 680 tokens por segundo en una GB300 no tiene referencia de comparación. No hay comparación directa con la decodificación autorregresiva simple del mismo modelo.
La ficha es franca sobre sus asperezas. Las generaciones largas pueden volverse repetitivas, así que los valores por defecto incluyen penalizaciones de presencia y repetición y sesgos graduales que empujan al modelo a terminar su razonamiento tras 4.096 tokens y su respuesta tras 8.192. La ruta de Hugging Face y los kernels SGLang de DiffuSpace pueden producir textos distintos con los mismos ajustes, y BF16 necesita unos 69GB de memoria de GPU. El bajo 14,4 en tau-cubed Banking recuerda que las tareas largas de varios turnos son donde los modelos de difusión aún tienen problemas.
Para los equipos que observan si la decodificación por difusión llega a ser práctica para agentes, Clover es el modelo abierto que estudiar. Para producción, la misma base Qwen3.6 con decodificación especulativa obtiene la mayor parte de la velocidad sin ninguno de los riesgos de una versión preliminar.
Dónde se gana su sitio
Un ingeniero de inferencia en una startup de infraestructura de IA
Medir si la difusión por bloques supera a la decodificación especulativa en sus propias cargas de trabajo
Sirve Clover con la versión de SGLang de DiffuSpace junto a Qwen3.6-35B-A3B con DFlash2 en la misma H200 y compara tokens por segundo y tareas completadas; la diferencia que mide la propia DiffuSpace es de unas 1,4 veces.
Un desarrollador aficionado con una RTX 5070 Ti de 16GB
Ejecutar en local un modelo de razonamiento capaz a una velocidad útil
DiffuSpace informa de 101,8 tokens por segundo en INT4 con esa tarjeta. Cuenta con ajustar max_new_tokens, ya que los valores por defecto empujan las respuestas largas a cerrarse tras 8.192 tokens.
Un grupo universitario de PLN
Estudiar la conversión de modelos autorregresivos a difusión
La ficha documenta los parámetros bidireccionales añadidos a Gated DeltaNet, el decodificador por umbral de confianza (bloque 32, umbral 0.95) y la selección de expertos por bloque, con atribución a Qwen archivo por archivo.
Antes de decidirte
- Puesta en marcha
- Transformers 5.19.0 con trust_remote_code en una GPU con unos 69GB libres para BF16; para servirlo, la implementación SGLang de DiffuSpace desde su repositorio de GitHub.
- Integraciones
- Hugging Face Transformers y los forks de SGLang y llama.cpp de DiffuSpace con autodecodificación especulativa; plantilla de chat al estilo Qwen con enable_thinking.
- Datos y privacidad
- Apache 2.0, heredada de Qwen3.6-35B-A3B, con el copyright original conservado; solo autoalojado.
- Coste a escala
- Una H100 o H200 de 80GB para BF16; INT4 funciona en una GPU de consumo de 16GB según las pruebas de DiffuSpace.
- Límites
- 128K tokens entre prompt y salida, incluido el espacio para el bloque final; repetición en salidas muy largas; calidad de versión preliminar; solo texto.
Lo bueno
- 73,6 declarado en SWE-bench Verified, muy por delante de otros modelos de difusión abiertos en las pruebas de DiffuSpace
- Unas 1,4 veces Qwen con DFlash2 en una H200, según DiffuSpace
- Apache 2.0 con implementaciones para SGLang y llama.cpp
- Conserva un contexto de 128K y el modo de razonamiento
Lo malo
- Versión preliminar; todos los resultados son propios y las puntuaciones de los rivales solo están en imágenes
- Las salidas largas pueden repetirse; depende de penalizaciones integradas
- Unos 69GB en BF16; las salidas de Transformers y SGLang difieren
- Un flojo 14,4 en tau-cubed Banking
Ideal para
Investigadores e ingenieros de inferencia que evalúan la decodificación por difusión en un modelo MoE moderno antes de que alcance calidad de producción.
Alternativas a Clover-35B-A3B-Preview
Clover-35B-A3B-Preview: preguntas frecuentes
- ¿Merece la pena Clover-35B-A3B-Preview?
- Según las cifras de sus creadores, Clover es el modelo de lenguaje de difusión abierto más capaz hasta ahora, pero como versión preliminar, con mejoras de velocidad modestas y sin pruebas externas, es para quien quiera experimentar. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta Clover-35B-A3B-Preview?
- Pesos abiertos bajo Apache 2.0; sin API alojada.
- ¿Qué inconvenientes tiene Clover-35B-A3B-Preview?
- Versión preliminar; todos los resultados son propios y las puntuaciones de los rivales solo están en imágenes; las salidas largas pueden repetirse; depende de penalizaciones integradas; unos 69GB en BF16; las salidas de Transformers y SGLang difieren; un flojo 14,4 en tau-cubed Banking.
- ¿Para quién es Clover-35B-A3B-Preview?
- Investigadores e ingenieros de inferencia que evalúan la decodificación por difusión en un modelo MoE moderno antes de que alcance calidad de producción.
- ¿Cuánto cuesta Clover-35B-A3B-Preview para un equipo o en producción?
- Una H100 o H200 de 80GB para BF16; INT4 funciona en una GPU de consumo de 16GB según las pruebas de DiffuSpace.
- ¿Es Clover-35B-A3B-Preview seguro para los datos de la empresa?
- Apache 2.0, heredada de Qwen3.6-35B-A3B, con el copyright original conservado; solo autoalojado.
- ¿Cuáles son las mejores alternativas a Clover-35B-A3B-Preview?
- Las alternativas más cercanas que hemos analizado son Qwen3.8-Flash-Next y Nanbeige4.3-33B.
Respuestas comprobadas el 31 oct 2026.