DiffuSpace把Qwen3.6改成擴散模型，GB300單卡跑出680 Token/s

動察 Beating AI 快訊，香港大學教授孔令鵬創辦的擴散智能（DiffuSpace）發布並開源 Clover-35B-A3B-Preview。

模型基於阿里 Qwen3.6-35B-A3B 改造，總參數 350 億，每次推理激活約 30 億參數。

傳統大模型通常從左到右逐個生成 Token，Clover 則採用塊擴散，一次生成一小段文本，再透過並行預測和反覆修正完成輸出。團隊還改造了 Gated DeltaNet，將歷史資訊壓縮保存，同時讓當前文本塊內的 Token 雙向交互，以兼顧生成速度和上下文理解。

官方公布的六項 Agent 評測中，Clover 均取得所列模型的最高分。SWE-bench Verified 達到 73.6%，Terminal-Bench 2.1 達到 51.7%，超過原版 Qwen3.6-35B-A3B，以及 LLaDA2.2 Flash、Mercury 2.5 等擴散模型。不過，對比名單沒有納入 10 月 19 日發布的 Mercury 3。

速度方面，Clover 在單張 NVIDIA GB300 上，以 BF16 精度、單併發運行內部 Agent 任務，生成速度達到 680 Token/s。在 H200 上達到 515 Token/s，超過使用 DFlash2 加速的同規模 Qwen 模型（365 Token/s）。團隊還將 INT4 量化版本部署到僅有 16GB 顯存的 RTX 5070 Ti 上，MATH-500 測試速度達到 101.8 Token/s。