O que é Clover-35B-A3B-Preview?
Clover-35B-A3B-Preview é o primeiro modelo da DiffuSpace, um laboratório cuja equipe veio do modelo de difusão Dream 7B do HKU NLP. Lançado no fim de outubro de 2026, ele converte o modelo mixture-of-experts Qwen3.6-35B-A3B da Alibaba, com 35 bilhões de parâmetros e cerca de 3 bilhões ativos, em um modelo de difusão por blocos: em vez de escrever um token por vez, ele preenche blocos de 32 tokens resolvendo em paralelo as posições sobre as quais tem confiança.
Para isso, ele adiciona atenção bidirecional dentro de cada bloco às camadas Gated DeltaNet do Qwen e pode restringir cada bloco a um subconjunto compartilhado de especialistas. Mantém um modo de raciocínio e um contexto de 128K tokens, e trabalha só com texto.
Os pesos estão sob Apache 2.0, herdada do Qwen. O código no Hugging Face é um caminho de referência; a DiffuSpace recomenda sua própria versão do SGLang para servir o modelo e também oferece suporte a llama.cpp.
Quanto custa Clover-35B-A3B-Preview?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Hosted API | Not offered |
Pesos abertos sob Apache 2.0; sem API hospedada.
Clover-35B-A3B-Preview vale a pena?
O interesse do Clover está no método: ele mostra que um modelo mixture-of-experts autorregressivo existente pode ser convertido para decodificação paralela por blocos e manter a maior parte de sua capacidade. A DiffuSpace informa 73,6 no SWE-bench Verified, 51,7 no Terminal-Bench 2.1, 83,8 no GPQA Diamond e 84,8 no MMLU-Pro, e diz que ele supera os modelos de difusão LLaDA2.2 flash e Mercury 2.5 e o autorregressivo Qwen3.6-35B-A3B nos seis testes de agentes. Os números dos rivais aparecem apenas em imagens de gráficos, e nada foi medido de forma independente.
O argumento da velocidade, que é a razão de ser da difusão, é menos impressionante do que a arquitetura sugere. Em uma H200, a DiffuSpace mediu 515 tokens por segundo contra 365 do Qwen com decodificação especulativa DFlash2, cerca de 1,4 vez mais rápido. Em uma RTX 5070 Ti de 16GB em INT4, ela informa 101,8 tokens por segundo contra 48,5 de modelos semelhantes. Um número de 680 tokens por segundo em uma GB300 não tem referência de comparação. Não há comparação direta com a decodificação autorregressiva simples do mesmo modelo.
O model card é franco sobre as arestas. Gerações longas podem ficar repetitivas, então os padrões incluem penalidades de presença e de repetição e vieses graduais que levam o modelo a encerrar o raciocínio depois de 4.096 tokens e a resposta depois de 8.192. O caminho do Hugging Face e os kernels SGLang da DiffuSpace podem produzir textos diferentes com as mesmas configurações, e BF16 exige cerca de 69GB de memória de GPU. O baixo 14,4 no tau-cubed Banking lembra que tarefas longas de vários turnos são onde os modelos de difusão ainda têm dificuldade.
Para equipes que acompanham se a decodificação por difusão se torna prática para agentes, Clover é o modelo aberto a estudar. Para produção, a mesma base Qwen3.6 com decodificação especulativa entrega a maior parte da velocidade sem nenhum dos riscos de uma prévia.
Onde ele se destaca
Um engenheiro de inferência em uma startup de infraestrutura de IA
Medir se a difusão por blocos supera a decodificação especulativa nas próprias cargas de trabalho
Sirva o Clover com a versão do SGLang da DiffuSpace ao lado do Qwen3.6-35B-A3B com DFlash2 na mesma H200 e compare tokens por segundo e sucesso nas tarefas; a diferença medida pela própria DiffuSpace é de cerca de 1,4 vez.
Um desenvolvedor amador com uma RTX 5070 Ti de 16GB
Rodar localmente um modelo de raciocínio capaz em velocidade utilizável
A DiffuSpace informa 101,8 tokens por segundo em INT4 nessa placa. Conte com ajustar max_new_tokens, já que os padrões levam respostas longas a fechar depois de 8.192 tokens.
Um grupo universitário de PLN
Estudar a conversão de modelos autorregressivos em difusão
O model card documenta os parâmetros bidirecionais adicionados ao Gated DeltaNet, o decodificador por limiar de confiança (bloco 32, limiar 0.95) e a seleção de especialistas por bloco, com atribuição ao Qwen arquivo por arquivo.
Antes de decidir
- Configuração
- Transformers 5.19.0 com trust_remote_code em uma GPU com cerca de 69GB livres para BF16; para servir, a implementação SGLang da DiffuSpace a partir do repositório no GitHub.
- Integrações
- Hugging Face Transformers e os forks de SGLang e llama.cpp da DiffuSpace com autodecodificação especulativa; template de chat no estilo Qwen com enable_thinking.
- Dados e privacidade
- Apache 2.0, herdada do Qwen3.6-35B-A3B, com o copyright original preservado; apenas auto-hospedado.
- Custo em escala
- Uma H100 ou H200 de 80GB para BF16; INT4 roda em uma GPU de consumo de 16GB segundo os testes da DiffuSpace.
- Limites
- 128K tokens para prompt e saída juntos, incluindo espaço para o bloco final; repetição em saídas muito longas; qualidade de prévia; só texto.
O que é bom
- 73,6 informado no SWE-bench Verified, bem à frente de outros modelos de difusão abertos nos testes da DiffuSpace
- Cerca de 1,4 vez o Qwen com DFlash2 em uma H200, segundo a DiffuSpace
- Apache 2.0 com implementações para SGLang e llama.cpp
- Mantém contexto de 128K e modo de raciocínio
O que não é
- Prévia; todos os resultados são autodeclarados e as pontuações dos rivais só aparecem em imagens
- Saídas longas podem se repetir; depende de penalidades embutidas
- Cerca de 69GB em BF16; as saídas de Transformers e SGLang diferem
- Fraco 14,4 no tau-cubed Banking
Ideal para
Pesquisadores e engenheiros de inferência que avaliam a decodificação por difusão em um modelo MoE moderno antes de ela atingir qualidade de produção.
Alternativas ao Clover-35B-A3B-Preview
Clover-35B-A3B-Preview: perguntas frequentes
- Clover-35B-A3B-Preview vale a pena?
- Pelos números de seus criadores, Clover é o modelo de linguagem de difusão aberto mais capaz até agora, mas, como prévia com ganhos de velocidade modestos e sem testes externos, é para quem quer experimentar. Damos nota 3.6 de 5.
- Quanto custa Clover-35B-A3B-Preview?
- Pesos abertos sob Apache 2.0; sem API hospedada.
- Quais são as desvantagens de Clover-35B-A3B-Preview?
- Prévia; todos os resultados são autodeclarados e as pontuações dos rivais só aparecem em imagens; saídas longas podem se repetir; depende de penalidades embutidas; cerca de 69GB em BF16; as saídas de Transformers e SGLang diferem; fraco 14,4 no tau-cubed Banking.
- Para quem Clover-35B-A3B-Preview é indicado?
- Pesquisadores e engenheiros de inferência que avaliam a decodificação por difusão em um modelo MoE moderno antes de ela atingir qualidade de produção.
- Quanto custa Clover-35B-A3B-Preview para uma equipe ou em produção?
- Uma H100 ou H200 de 80GB para BF16; INT4 roda em uma GPU de consumo de 16GB segundo os testes da DiffuSpace.
- Clover-35B-A3B-Preview é seguro para dados da empresa?
- Apache 2.0, herdada do Qwen3.6-35B-A3B, com o copyright original preservado; apenas auto-hospedado.
- Quais são as melhores alternativas ao Clover-35B-A3B-Preview?
- As alternativas mais próximas que analisamos são Qwen3.8-Flash-Next e Nanbeige4.3-33B.
Respostas verificadas em 31 de out. de 2026.