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。 18 年后，并行计算早已成为人工智能发展的重要基础，英伟达的 GPU 支撑起了今天的大模型训练和推理。但有意思的是，绝大多数主流大语言模型仍然沿用着一种相当「串行」的文本生成方式。 它们像当年那台绘画机器人一样，从左到右，一个 Token 接着一个 Token 地生成答案。即使拥有再强大的计算硬件，后一个 Token 的生成也通常需要等待前一个 Token 完成。 那么，有没有可能 让语言模型也像那台彩弹装置一样，同时生成多个 Token 扩散语言模型（dLLM）正在探索这样的可能性，而且这个方向在近两年变得备受关注，相关模型的表现也是一再刷新大家的认知。 最近，这一方向的实力玩家、创下全球扩散语言模型最大规模融资纪录的公司 —— 扩散智能（DiffuSpace） 公布了一项新进展，发布了 开源扩散语言模型 Clover-35B-A3B-Preview 。官方数据显示，这一新模型 在多项能力评测中达到或超过同规模自回归模型，同时实现了更快的生成速度，而且是在智能体编程和工具使用这类较难的任务上 之前，大家总是调侃这类模型「别管对不对，你就说快不快吧」，也就是速度和质量总是顾此失彼。但这次，Clover 35B-A3B 在它的尺度上证明了： 高速生成与高性能，可以共存于同一模型。 看来，扩散语言模型这个赛道的前沿，又被往前推了一步。 这次，dLLM 和自回归模型 站上了同一起跑线 在深入细节之前，我们先感受一下 Clover 35B-A3B 是怎么工作的： 视频链接：https://mp.weixin.qq.com/s/PBX0vRCCna17qT1sshAAFg 在这个 demo 里，模型被要求用单个 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 根据这条需求，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。过程中，Clover 在多个位置同时、快速生成，不慢放都看不清楚。 实测数据显示，Clover 在单张 GB300 上整体生成速度达 680 tokens/s，在 H200 上为 515 tokens/s， 高于同规模 Qwen 模型加 DFlash2 加速方案 的 365 tokens/s。 这一速度优势在多个场景中都得到了验证： 视频链接：https://mp.weixin.qq.com/s/PBX0vRCCna17qT1sshAAFg 模型被要求查询「从 CMU 到最近的 Wendy's 要开多久」。地图搜索不带位置信号，直接搜店名会跳到缅因州，Clover 识别出结果跑偏，逐步加入城市和邮编改写检索，页面卡住后两次重置重来，最终用 28 步、169.9 秒找到正确门店；对照的 Qwen3.6 Flash 用满 30 步、耗时 578.3 秒，仍停留在 347 公里外的一家店，未通过任务评判。 视频链接：https://mp.weixin.qq.com/s/PBX0vRCCna17qT1sshAAFg 一条复合空管报文，需要并行解析出禁飞区解除、航点修改、任务分配等五项任务。Clover 用 0.97 秒同时给出五项正确结果，Qwen 用了 3.78 秒，还把其中一项测绘任务误解析为医疗任务。 而且，它不仅是快，在智能体编程和工具使用等任务上也是真能打。 在六项 Agent 评测上，Clover 全部拿到所列模型中的最高分 ，其中 SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、τ³ Overall 65.3，同时超过了同为扩散路线的前沿模型 LLaDA 2.2 flash、闭源的 Mercury 2.5，以及同尺寸的自回归模型 Qwen3.6-35B-A3B。要知道，拿到对比的这些模型本来就是很能打的，用来测试的 benchmark 在各家模型发布时也被广泛引用，含金量没有争议。 这组数字的意义还在于：此前 dLLM 一直在自回归身后追赶，之前一些比较知名的模型要么跑不了 Agent 任务，要么根本不开源。Clover 是 开源阵营里第一个在 Agent 这个「自回归主场」正面取胜的扩散模型 要知道，这类能力直接对应真实场景 —— 客服机器人查数据库、车载系统控制车窗，背后都是模型发出工具调用指令；而