10月28日，深圳大模型厂商扩散智能（DiffuSpace）发布并开源扩散语言模型Clover-35B-A3B-Preview，并同步推出面向结构化判断任务的决策模型。公司公布的基准测试显示，该模型在多项智能体编程与工具使用评测中取得同级别第一，其决策模型在内部验证中联合模式答对率达95.0%，还在一场中国象棋对弈中执黑战胜开源决策模型Jev。
Clover-35B-A3B-Preview采用混合专家（MoE）架构，总参数350亿、激活参数30亿，支持思考模式。扩散智能称，在SWE-bench Verified、Terminal-Bench2.1等6项智能体编程及工具使用任务评测中，该模型均取得所列模型中的最高分，超过同规模自回归模型Qwen3.6-35B-A3B。具体来看，SWE-bench Verified达到73.6分，Terminal-Bench2.1达到51.7分，τ³ Overall达到65.3分。在指令遵循、知识、逻辑推理和长文本理解等评测中，其GPQA Diamond、ZebraLogic和AA-LCR分别达到83.8、95.8和72.0分。
推理效率方面，团队使用内部Agent任务执行记录进行测试。端侧部署上，Clover-35B-A3B-Preview在单张NVIDIA GB300 GPU上，以BF16精度、batch size=1，达到680 tokens/s的整体生成速度；在单张NVIDIA H200 GPU上达到515 tokens/s，高于DFlash2方案的365 tokens/s。在完整的49项Agent任务、每项3次尝试的评测中，Clover的Agent执行耗时中位数为1.52秒，Gemini 3.6 Flash为8.86秒。
决策模型是本次发布的另一重点。该模型支持独立模式和联合模式两种作答方式，将在后续发布。扩散智能解释，不同于TypeSafe的Jev等开源决策模型的单点评估思路，联合模式以全局统筹方式开展推理，省去多次交互耗时，使多项判断相互参照、规避逻辑冲突，一次性完成一组关联决策。在包含500组、2420道关联问题的内部验证中，联合模式答对95.0%，并在80.4%的问题组中全部答对；同一模型独立作答时两项成绩分别为89.8%和62.4%；Jev在相同题目的历史评测中分别为63.6%和15.8%。在合同判断案例中，联合模式5项判断全部正确，独立模式答对4项，Jev答对2项。
背景方面，扩散智能于2026年成立于深圳，由港大NLP实验室联合主管孔令鹏教授及其博士生龚珊三、叶佳成联合创立。团队长期研究扩散语言模型，2022年启动dLLM前沿研究并提出DiffuSeq，2025年4月推出扩散语言模型Dream 7B，至今Dream系列模型累计在Hugging Face下载超270万次。10月9日，扩散智能首次公布融资，连续完成两轮融资，总金额数亿元人民币，公司称创下公开披露的全球dLLM最大规模融资纪录。
从产业视角看，当前大模型推理栈、Agent框架和部署工具链大多围绕自回归架构建立，扩散语言模型要进入产业，需体现与现有工具生态的兼容性、开发者迁移成本和规模化交付稳定性。扩散智能选择以开源、端侧、智能体能力为切入点，意在降低试用门槛，方便开发者与终端厂商快速验证。团队还透露正在研发智能体运行框架（harness）及桌面编程客户端，计划于近期上线。