扩散智能开源 Clover-35B-A3B，Agent 任务得分超同规模自回归模型
扩散语言模型第一次在 Agent 任务上正面赢过同规模自回归模型，同时生成速度更快，说明并行生成不必以质量为代价。
扩散智能（DiffuSpace）发布开源扩散语言模型 Clover-35B-A3B-Preview。主流大模型是一个 Token 接一个 Token 串行输出，扩散语言模型（dLLM，先铺出整段带噪文本再并行去噪修正，可一次生成多个 Token）则能并行生成。官方称该模型在六项 Agent 评测中得分最高，生成速度也快于同规模 Qwen 模型配合加速方案的组合，且在智能体编程、工具调用这类较难任务上成立。
正文摘录
.PNG) 编辑｜张倩 2008 年，英伟达曾用一场颇为疯狂的实验，向人们展示并行计算的威力。 在现场，一台绘画机器人按部就班、一个像素接一个像素地绘制出一幅「笑脸」简笔画。  但接下来，画风突变。工作人员启动了一台布满 1100 个彩弹发射管的巨大装置。伴随着一声巨响，上千颗彩弹几乎同时射出，在画布上留下密密麻麻的颜料痕迹。一幅《蒙娜丽莎》就这样瞬间出现，用时 80 毫秒。  两种绘画方式，展示了串行与并行的巨大差异。