下中国象棋赢了Jev！扩散智能推出决策模型，判断正确率达95%

智东西
作者 王涵
编辑 李水青

智东西10月28日报道，今天，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，该模型采用混合专家架构（MoE），总参数350亿、激活参数30亿，支持思考模式。

该公司发布的基准测试结果显示，Clover-35B-A3B-Preview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，排名同级别模型中的第一，超过同规模自回归模型Qwen3.6-35B-A3B。

HuggingFace：

https://huggingface.co/Diffuspace/Clover-35B-A3B-Preview

GitHub：

https://github.com/DiffuSpace/Clover-35B-A3B-Preview

ModelScope：

https://modelscope.cn/models/Diffuspace/Clover-35B-A3B-Preview

申请在线体验：https://chat.diffuspace.ai/

同时，扩散智能还推出了Clover-35B-A3B-Preview的决策模型，面向快速、结构化的判断任务，支持独立模式和联合模式两种作答方式，该模型将在后续发布。

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的方式开展推理，省去多次交互的耗时，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，实现更快、更稳定的推理结果。

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。相比之下，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%。

在对比案例中，针对合同中的判断问题，Clover-35B-A3B-Preview决策模型的联合模式的5项判断全部正确，独立模式答对4项，Jev答对2项。

该决策模型还和Jev展开了一场中国象棋的对弈，结果是扩散智能的决策模型执黑获胜。

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，以及其博士生龚珊三、叶佳成联合创立。核心团队长期研究扩散语言模型，是全球最早探索该路线的团队之一，在条件生成、离散信号建模、Scaling三大dLLM（扩散大语言模型）核心问题上取得全球领先突破。

该团队早在2022年就启动dLLM前沿研究，提出了DiffuSeq，开创了扩散模型处理序列到序列文本生成（Seq2Seq）的技术路径。2025年4月，其推出扩散语言模型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，其连续完成两轮融资，总金额数亿元人民币，创下公开披露的全球dLLM最大规模融资纪录。

一、6项Agent测评第一，单卡GB300生成速度达680 tokens/s

在基准测试方面，Clover-35B-A3B-Preview在智能体编程与工具使用任务中表现较好。在本次对比的6项Agent评测中，该模型均取得了所列模型中的最高分。

其中，SWE-bench Verified达到73.6分，Terminal-Bench2.1达到51.7分，τ³ Overall达到65.3分，超过了同为扩散语言模型的LLaDA2.2 flash、Mercury 2.5，以及同尺寸的自回归模型Qwen3.6-35B-A3B和Qwen3.5-35B-A3B。

在指令遵循、知识、逻辑推理和长文本理解等多项评测中，其成绩达到或超过同规模自回归模型，GPQA Diamond、ZebraLogic和AA-LCR分别达到83.8、95.8和72.0分。

在推理效率方面，团队使用覆盖代码编写、终端操作和工具调用等场景的内部Agent任务执行记录进行测试。

端侧部署方面，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。

此外，在单张NVIDIA H200 GPU上，Clover达到515tokens/s，高于DFlash2方案的365 tokens/s。

与其他代表性轻量级、高效推理或端侧部署模型的对比中，Clover-35B-A3B-Preview在9项评测中的6项取得最高分，优势覆盖知识推理、工具使用与智能体编程。

二、路线规划28步完成，49项Agent任务耗时中位数仅1.52秒

基于Clover-35B-A3B-Preview在推理、工具使用以及编程上的能力，用户可以借助该模型完成路径规划、WebMCP任务、模拟桌面环境、智能体调度等工作。

例如，用户要查询“从匹兹堡CMU到最近的Wendy’s需要开车多久”。Clover识别出结果偏离目标，逐步加入城市、街区和邮编改写检索，并在页面卡住后两次重置、重填路线，最终找到目标门店，查得驾车距离 2.0公里、车程约3分钟。

本次对照中，Clover-35B-A3B-Preview用28步、169.9秒完成任务；Qwen3.6 Flash用满30步、耗时578.3秒，仍停留在距起点347公里、车程约4.5小时的门店，未通过任务评判。

通过网页提供的工具，Clover-35B-A3B-Preview可以连续完成开票、课程注册、金额汇总、事件状态与客户信息查询等任务。

在完整的49项任务、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。

此外，Clover-35B-A3B-Preview还可以创建私有项目并邀请成员。在相同的智能体框架、提示词、工具和浏览器配置下，本次运行中Clover-35B-A3B-Preview用13步、169.9秒完成任务，Qwen 3.6 Flash用21步、392.3秒完成。

该案例中用户要求用单个HTML文件模拟一个桌面环境，支持窗口拖动，并能打开多个小应用。

Clover-35B-A3B-Preview生成了包含程序坞、窗口系统以及记事本、计算器、时钟、天气和设置等应用的模拟桌面。

在演示中，用户可以打开应用、输入文本、操作计算器并调整设置。

在城市低空无人机调度演示中，模型通常需要将复合空管报文解析为禁飞区解除、航点修改、任务分配、禁飞区半径调整和紧急调度等多项任务。

Clover-35B-A3B-Preview在0.97秒后同时完成处理呈现5项正确结果。Qwen在3.78秒展示结果，还将UAV5的测绘任务误解析为医疗任务。

三、重构双向门控Delta网络，兼顾推理速度与性能

Clover-35B-A3B-Preview能够兼顾推理速度与性能表现，背后是扩散智能人团队针对性的架构优化。

在Clover-35B-A3B-Preview中，扩散智能团队完成了双向门控Delta网络（Bidirectional GDN）的重构设计，针对历史记忆与块内去噪两条链路采用差异化计算范式。

模型已生成的上下文信息依托GDN递归状态实现高效压缩，当前块内Token则借助双向Softmax注意力完成细粒度交互。

在核心机制上，技术团队将历史记忆读出作为独立信息单元，与块内Token纳入同一次Softmax运算开展信息筛选，由模型自主学习在推理过程中对历史信息与当前块信息的依赖权重。

团队同时新增可学习块大小校准机制，用于缓解块内Token数量增加带来的历史权重稀释问题。

针对局部特征提取环节，扩散智能团队还为右侧上下文搭建了独立的零初始化卷积分支。该方案基于预训练因果卷积的原有行为，让模型分别学习左右双向特征表征。

这套架构将紧凑长程记忆、可选择的块内交互能力与双向局部感知能力融合，使GDN架构更加适配块级并行去噪范式。

结语：押注开源端侧Agent路线，harness产品近期上线

当前大模型产业仍由自回归架构主导，推理栈、Agent框架和部署工具链大多围绕其建立，扩散语言要真正进入产业，要体现出自身与现有工具生态的兼容性、开发者迁移成本和规模化交付的稳定性。

扩散智能选择以开源、端侧、智能体能力作为切入点，正是希望降低试用门槛，方便开发者与终端厂商快速开展验证，加速技术落地。

与此同时，扩散智能团队透露其正在研发智能体运行框架（harness）及桌面编程客户端。相关工具尚处于开发阶段，计划于近期上线。