刚刚，扩散模型杀进Agent主场！350亿参数，速度比Jev快一倍

刚刚，扩散模型杀进Agent主场！350亿参数，速度比Jev快一倍 – 量子位

扫码关注量子位

<div class="top_search"> <form role="search" method="get" class="search-form" action="https://www.qbitai.com/" id="search"> <label> <input type="search" class="search-field" placeholder="搜索…" value="" name="s"> </label> <button type="submit" class="search-submit"></button> </form> </div>

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

articlead begin

articlead end

刚刚，扩散模型杀进Agent主场！350亿参数，速度比Jev快一倍

henry

2026-10-29

10:18:28

来源：

量子位

摘要样式

用扩散模型怎么做做Agent？

henry 发自 凹非寺 量子位 | 公众号 QbitAI

服了！天天在AI一线冲浪，竟然也会跟不上版本。

谁能想到，印象中用来生图、生视频的 “扩散模型” ，竟然也能写代码、生成网页、调用工具，当Agent了！

就在刚刚， 扩散智能 发布了全新的 扩散语言模型 ——

Clover-35B-A3B-Preview 。

虽然名字里多了“扩散”两个字，但实际体验下来，无论是写代码、操作网页、调用工具，还是生成HTML，用法都和我们熟悉的大语言模型差不多。

我个人用下来的第一感受就是一个字：“快”。

比如，让它生成一个太阳系模拟器，Clover就思考了约1秒，然后也就4-5秒，一个能交互的太阳系模拟器就出来了。

再比如，我给它丢了一堆简历信息，让它整理成LaTeX格式的简历代码，也就十来秒，搞定～

有一说一，用过GPT的朋友，应该都懂盯着“正在思考”等半天是什么感觉，要不然最近也不会有主打快速决策的Jev什么事儿～

而说到Jev，Clover这次还真和它比了一把速度。

在网页Agent评测WindTunnel的49个任务中，每个任务尝试3次，Clover的中位执行时间为 1.52秒 ，Jev＋Mercury 2.5组合为 3.21秒 ，用时少了一半多。

尝试成功率也略高，分别为 98.6%和95.9% 。

对比同表中的Gemini，速度更是快了好几倍！

好好好，你个扩散模型，要把自回归逼疯？（doge）

会做Agent任务的扩散模型

说回模型，Clover-35B-A3B-Preview这次采用MoE架构，总参数350亿，每个token激活约30亿参数，支持思考模式。

它进一步将团队的扩散语言模型，从此前Dream 7B的 70亿 参数，推进到了 350亿 总参数规模。

更关键的是，参数量上来后，Clover的速度并没有因此变慢，它在同尺寸对比中超过自回归模型。

除了前面的交互页面和代码生成，官方演示里，Clover还进一步展示了复杂任务、WebUI生成等Agent能力。

Clover可以通过WebMCP，连续处理六项任务，涉及开票、课程报名、金额汇总、活动状态查询、以及客户信息查询和发票信息查询。

从下面的对比视频我们可以看出，Clover不仅成功完成任务，还在执行速度上彻底甩开了Gemini 3.6 Flash。

在线上购物场景中，Clover还能按要求找到指定款式、黑色、L码的T恤，加入购物车，填写访客信息，再走完测试结账流程。

老实说，这种连续任务的处理其实是这次演示值得关注的地方。

要知道，扩散语言模型虽然有并行生成的速度潜力，但在做Agent任务时，以往的表现其实还不够稳定：

模型工具调用格式可能出错，也容易在同一个步骤上反复尝试，没能根据返回结果调整动作。

Clover这次的进步，就体现在这些连续操作里：调用工具、读取反馈、继续执行，直到完成任务。

具体到Benchmark，按照团队公布的数据，Clover在工具使用相关的τ³ Overall和BFCL-v4评测中，分别拿到65.3和67.9，位居前列。

△图源：扩散智能

Agent任务看完，再看看代码。

我又让Clover生成了一个个人Agent的网页界面。看起来也是有模有样，整个生成过程也就十几秒。

在代码评测这边，Clover也交出了一组不错的成绩。

在考察真实代码仓库问题解决能力的SWE-bench Verified上，它拿到 73.6 ；在考察终端任务执行能力的Terminal-Bench 2.1上，拿到 51.7 。

可以说，从生成交互页面，到调用工具、跑完业务流程，再到代码评测，身为扩散语言模型的Clover，这次确实接了不少Agent的活。

哎，这就有意思了。印象里负责去噪生图的扩散思路，到了语言模型里，究竟是怎么生成文字、写出代码的？

难不成上面的demo真是AIGC出来的？

扩散语言模型，什么来头？

一般来说，我们熟悉的自回归（Autoregressive，AR）语言模型是根据前文预测下一个token，生成一个，再接着生成下一个，也就是大家常说的“词语接龙”。

这里的token，可以简单理解成模型处理的文字片段。

相比于自回归模型的逐个串行预测生成，扩散语言模型则换了一种生成方式： 允许多个位置同时更新，再经过几轮完善，逐步得到结果。

△图源：AI生成

这里的扩散去噪，可以理解为把被遮住或受到扰动的内容，逐步恢复成符合上下文的文字。

具体到Clover，它采用的是块扩散：把待生成的内容分成若干块， 块与块依次推进，块内多个位置并行更新、相互参考。

这样一来，一轮计算就有机会推动多个位置的生成，减少逐个生成带来的等待。

但问题在于，能一起生成并不代表一轮就能写好。

因为扩散模型往往需要多轮去噪，才能把结果逐步确定下来。轮数太少，内容可能还没调整好；多来几轮，计算开销也跟着增加。

到了代码和Agent任务，上下文还会不断变长。之前的要求、已经执行的操作、工具返回的结果，都可能影响下一步，历史信息的保存和读取也成了效率问题。

Clover的改进思路，就是让历史记忆和当前生成各司其职。

它围绕块扩散重构了门控Delta网络（GDN）：已经生成的上下文被压缩进持续更新的状态，供后续步骤读取；当前生成的块则通过双向注意力，让块内的token相互参考。

与此同时，Clover将历史记忆的读出作为独立的信息单元，与当前token一起参与注意力计算，让模型自己学习如何权衡前文与当前内容；再通过可学习的块大小校准，减少块变大后历史信息被稀释的问题。

换句话说，这些调整的目标，就是让并行生成、历史信息利用和计算效率更好地配合，这也是Clover将扩散语言模型进一步推进到代码和Agent任务的关键。

而除了Clover以外，扩散语言模型这两年之所以受到关注，也主要在于它相对于自回归的两大优势：

一方面，扩散语言模型允许多个位置同时生成，有机会减少逐token生成带来的串行等待。对于需要反复生成代码、调用工具的Agent，这种潜力尤其值得关注。

另一方面，生成过程中，前后内容可以相互参考。在双向建模的设计下，多个位置能在迭代中共同调整，为处理内容之间的依赖关系提供另一种方式。Clover当前块内的交互，就是其中一种实现。

围绕这些可能性，学术界和产业界已经给出了不同的尝试。

何恺明今年参与的ELF，尝试在连续嵌入空间中生成语言；谷歌推出的DiffusionGemma，探索并行文本生成；国内大厂也在研究面向代码任务的扩散语言模型。

具体方法各不相同，大家都在尝试把另一种生成方式，变成能用起来的能力和效率。

Clover这次，则把自己的进展放进了代码、工具调用和连续任务里，交给用户上手检验。

从DiffuSeq到Clover，扩散智能的下一步

最后，让我们说回Clover背后的团队——

扩散智能 。

据悉，扩散智能由香港大学孔令鹏教授及其博士生龚珊三、叶佳成联合创立。团队成员对扩散语言模型的探索，可以追溯到2022年。

那一年，他们提出了DiffuSeq，研究如何用扩散模型完成序列到序列的文本生成：给定一段文字，再按条件生成另一段文字。

当时要迈过的一道坎，就是把擅长处理图像等连续信号的扩散方法，用到离散的自然语言上。

到了2025年4月，团队核心成员参与推出Dream 7B，将研究推进到70亿参数语言模型。

根据当时公布的结果，Dream 7B在通用、数学和代码任务上，取得与同规模自回归模型可比的表现，也展示了规划能力和生成顺序上的灵活性。

再到这次的Clover，模型规模继续扩大，写代码、调用工具、连续执行任务，都成了重点展示的内容。

这条路线，也就从最初研究怎么生成文字，一步步走到了如何把复杂任务做对、做快。现在，团队还在往多模态和端侧延伸。

据介绍，Clover后续也将推出多模态版本，团队正在推进扩散语言模型与多模态理解及动作生成的结合，并持续开展端侧场景的适配与验证。与Acrab的合作，则在推进面向端侧场景的系统适配和软硬件协同验证。

按照团队计划，接下来还会继续探索更大规模的模型，提高长程任务的稳定性，并通过推理优化、量化和部署适配，推进端侧应用。

最后的最后，咱们不妨借着这次新发布的Clover开个脑洞：

人类思考时，究竟是一句接一句往下推，还是先有个模糊的整体，再逐渐补全细节——

大脑究竟更像自回归，还是扩散？

体验链接 [1]https://diffuspace.ai/register

版权声明

版权所有，未经授权不得以任何形式转载及使用，违者必究。

Agent

扩散模型

作者文章列表

• 刚刚，Gemini 4终于来了：谷歌重回御三家，API限时半价 2026-10-16

• GPT证千禧年难题成果大反转！OpenAI自己没看懂就发… 2026-10-16

• 用不着Ctrl+F了！全新AI论文工具，帮你在原文献里海里捞针 2026-10-11

• 何恺明团队发布多模态Harness框架 2026-10-11

左侧分享

扫码分享至朋友圈

相关阅读 start

相关阅读

#### 王慧文欲投资OpenClaw赛道，再发英雄帖：「需要融资的欢迎联系我」

OpenClaw实在太火了

衡宇

2026-02-07

OpenClae

王慧文

#### 谷歌P图神器来了！不用学不用教，输入一句话，分分钟给结果

能变换姿势，还能改构图

alex

2022-11-06

图像生成

谷歌

#### 图像生成王者不是GAN？扩散模型最近有点火：靠加入类别条件，效果直达SOTA

比GAN更真实，还懂全景局部多角度构图

博雯

2021-12-29

BigGAN

GAN

OpenAI

#### AI预测论文能不能中，8B超越70B大模型，港大发布图文融合多智能体GraphAgent

多智能体自动化框架

西风

2025-01-15

大模型

#### Agent太火！这篇综述让你不把知识学杂了丨华东师大&东华大学出品

参数驱动 vs 参数无关

2025-03-27

东华大学

华东师范大学

综述

#### 后生可畏！何恺明团队新成果发布，共一清华姚班大二在读

单步生成模型媲美多步扩散模型

2025-12-04

flow matching

何恺明

相关阅读 end

热门文章 start

热门文章

#### 又一国产决策模型发布！准确率超过微软和Jev等决策模型

2026-10-22

#### 既能“做选择题”，也能“做填空题”——星辰意图理解模型Xing4.0-29B-Intent发布

#### 刚刚，Anthropic公开335页招股书：史上最大IPO，史上最亏AI公司

2026-10-27

#### 国产5B生图模型海外突然爆火，4天超百万下载

2026-10-23

#### KV Cache砍掉99%，单卡吞吐飙6倍，港科CMU联手岩山科技开源新模型

2026-10-26

<form role="search" method="get" class="search-form" action="https://www.qbitai.com/"> <label> <span class="screen-reader-text">搜索：</span> <input type="search" class="search-field" placeholder="搜索…" value="" name="s" /> </label> <button type="submit" class="search-submit"><span class="screen-reader-text">搜索</span></button> </form>

热门文章 end

底部版权

• 关于量子位

• 加入我们

• 寻求报道

• 商务合作

<a href="/?page_id=183"target="_blank"><i class="weixin_icon"></i></a>

追踪人工智能新趋势，报道科技行业新突破

<p>量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1</p>

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1