扩散模型开始写代码、开网页了：350 亿参数，速度比 Jev 快一倍
先说结论：一个深圳团队做的扩散语言模型，现在能写代码、生成网页、调用工具，做 Agent 任务的平均耗时是主流方案的一半。
模型叫 Clover-35B-A3B-Preview，来自扩散智能（DiffuSpace），10 月 28 日发布，权重已经上了 Hugging Face。
最反直觉的地方在这儿：扩散模型不是用来生图的吗，怎么开始写代码了？
一、先看看它到底能干什么
发布当天的实测里，几个场景挺能说明问题。
让它做一个太阳系模拟器：思考约 1 秒，之后 4 到 5 秒，一个能拖拽旋转、能看行星轨道的交互页面就出来了。
丢一堆简历信息进去，让它整理成 LaTeX 排版代码：十来秒，直接能用。
再让它从零生成一个个人 Agent 的网页界面：十几秒，看起来有模有样。
更关键的是这一组：连续 6 项网页任务——开发票、报课程、汇总金额、查活动状态、查客户信息、查发票。它一项接一项跑完，中间还会根据页面返回的结果调整下一步动作。
官方基准 + 媒体体验数据。基准是官方自报，体验来自发布当天报道。
「连续任务能跑完」这件事，比「生成得快」重要得多。原因后面会说。
二、我们习惯的 AI，是「一个字一个字往外蹦」的
你现在用的所有大模型，几乎都是自回归的：给它前半句，它猜下一个字；把猜出来的字接到后面，再猜下一个字。
这就是为什么你看着它打字，是一个字一个字冒出来的。
问题在于效率。每蹦一个字，都要把整个模型从头到尾跑一遍，把几十亿参数从显存里读一次。
打个比方：你写一篇作文，每写一个字，就要把整本字典从头翻一遍。
字越多，翻的次数越多。而且每次翻字典的成本，跟你写到第几个字没关系——写第一个字要翻一遍，写第一千个字也要翻一遍。
同样的 6 个字，上面要跑 6 次模型，下面只要跑 1 次。
「一次只出一个字」这件事，本身就是浪费。
三、扩散模型的思路：先打码，再一点点擦干净
扩散模型干的是反过来的事。
你在 AI 生图里见过的「从一团噪点慢慢变清晰」，就是扩散。它的本质是：先把画面弄糊、弄乱，再学着一步步还原。
搬到文字上，玩法变成这样：先把要写的一段话全部盖住（打成「马赛克」），然后让模型去猜被盖住的是什么。猜完一轮，擦掉一部分马赛克，再猜一轮，直到全部清晰。
有意思的是——因为一开始整段都是空的，模型可以同时猜很多个位置。它不需要「先有第一个字才能猜第二个字」。
这就是并行生成的来源。
但直接把整篇文章一起猜，效果不行。文章越长，同时要决定的东西越多，容易前后打架。而且语言本身是有顺序的，一句话的意思常常取决于前面的铺垫。
于是有了 Clover 用的这套折中方案：块扩散。
把文章切成一块一块，每块 32 个位置。块和块之间还是老老实实按顺序来（前一块解完再解下一块），但块内部，32 个位置一起猜。
一块一块往前推，像流水线。
四、它怎么决定「哪些字可以先定下来」
这是整套机制里最有意思的部分。
32 个位置一起猜，但模型对每一格的把握不一样。有的格子它很确定，有的格子纯属瞎蒙。
Clover 的规则很干脆：只定下把握超过 95% 的格子，剩下的继续蒙着，下一轮再猜。
每一轮只把「有把握」的格子写死，其余继续保持马赛克。
像考试：会做的题先做，不会的先空着，回头再补。而且它给自己划了条及格线——95% 把握才交卷。
要是某一道题全班没一个人有把握呢？它也有兜底：那就挑最有把握的那一个先填上，保证整块能往前走，不至于卡死。
等这块 32 个位置全部有答案了，整块就固定下来，成为下一块的前提，然后开始下一块。
一个字一个字变成了一块一块。这一步之隔，就是速度的来源。
五、真正难的不是快，是「连续干完一件事」
如果只是写一段文字，快一点慢一点，差别没那么大。
但 Agent 不一样。Agent 是连续动作：调用工具 → 读返回 → 判断对不对 → 调整 → 再调用。一步错，后面全歪。
而扩散语言模型过去在 Agent 场景里，恰恰不太靠谱。常见的翻车方式有三种：
- 工具调用的格式写错了，接口直接不认；
- 同一个步骤反复试，出不来；
- 拿到返回结果，不知道怎么改下一步。
Clover 这次强调的进步，就落在这三件事上：连续操作里，调用、读取、调整、继续，能稳住。
有个细节能说明为什么这件事难。模型是一块一块往前推的，意思是它每解完一块，就再也改不了了。如果某一块里混进了一个错的 token，后面所有内容都要围着这个错误继续写。
对比一下：普通的「投机解码」里，草稿写错了可以扔掉重来，因为验证是事后做的。Clover 这里，一次接受就等于一次签了字的合同，没有撤回键。
所以那个 0.95 的及格线，不是随手调的参数。它是在「多定几个字」和「别定错了」之间，往保守那边站了一步。
六、上下文越来越长，它怎么记住前面说过什么
Agent 还有一个麻烦：聊得越久，上下文越长。
前面说过的话、已经执行过的操作、工具返回的结果，全都堆在那儿。传统做法是把它们都塞回注意力里重算一遍，越长越慢。
Clover 的做法换了思路：把已经生成的历史，压缩成一份持续更新的「状态」，而不是把每句话都原样留着。
像做笔记。你不会把老师讲过的每句话都背下来，而是记成几行要点，要用的时候翻一眼。
同时，当前正在生成的那一块，块内的 32 个位置可以互相看——相当于 32 个人一起做同一道题，可以商量，但只能商量这一题，不能用来看别的题。
官方给的说法是：历史记忆的「读出」被做成了一个独立的信息单元，和当前块一起参与计算，前文和当前各占多少权重，交给模型自己学。
这一整套改动是围绕块扩散把门控 Delta 网络（GDN）重构出来的。128K 上下文是明确规格。
翻译成人话：记得住，又不拖慢。
七、纸面成绩单
| 考什么 | 分数 |
|---|---|
| τ³ Overall（用工具） | 65.3 |
| BFCL-v4（调函数） | 67.9 |
| SWE-bench Verified | 73.6（真实代码仓库改 bug） |
| Terminal-Bench 2.1 | 51.7（终端任务） |
| Agent 任务中位耗时 | 1.52 秒，对手 3.21 秒 |
| Agent 任务成功率 | 98.6%，对手 95.9% |
最后两行是同一组任务（49 项，每项跑 3 次）的对比。速度大概是一倍，成功率也高一点。
在写代码这块，73.6 的 SWE-bench Verified 已经不是「玩具扩散模型」的水平了。
八、做这件事的是谁
团队背景挺扎实。
扩散智能由香港大学孔令鹏教授和两位博士生龚珊三、叶佳成一起创立，2026 年 5 月落地深圳。
这条技术路线他们走了很久：2022 年做 DiffuSeq，2025 年 4 月推出 Dream 7B——70 亿参数的扩散语言模型，据称在 Hugging Face 累计下载超过 250 万次。
融资节奏也跟模型发布咬得很紧。10 月初他们宣布连续完成两轮融资，合计近 5 亿人民币，经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线跟投。
华为哈勃和地平线进来，指向很明确：端侧。AI PC、智能汽车、机器人——这些场景的共同点是算力有限、还要求响应快，正好是「并行生成」能发挥的地方。
接下来的计划是往多模态走，同时推进端侧适配。跟 Acrab 的合作就是干这个的。
九、先别急着喊颠覆，三个冷静的事实
第一，这些数字全是官方自己报的。
发布当天，知乎、Reddit、Hacker News 上都还没有像样的第三方复现。模型和报道同一天上线，社区想批评也得先跑起来。
第二，模型卡自己承认了一个短板。
原文写着：「我们观察到非常长的生成有时会变得重复」。为此内置了重复控制和渐进收尾的控制项。
这句话的意思是：长文本翻来覆去说同一件事的问题，还没被架构解决掉，只是用工程手段压住了。 对动不动连续跑几十轮的 Agent 来说，这是个待观察项。
第三，它不是从零训练出来的。
Clover 是从 Qwen3.6-35B-A3B 的权重出发改的。好处是省下天价预训练成本，直接继承一个成熟模型的语言能力；代价是，它的能力上限相当程度上还受原来那个模型约束。
「扩散」带来的增量，主要在两处：并行生成带来的速度，和块内互相参考带来的灵活性。它不是凭空变出来一个新物种。
十、三个你可能想问的
问：它能替代 ChatGPT 吗？
不能。它只是换了一种「写字的方式」，不是换了一套能力。底座还是那个 Qwen3.6，只是解码从「一个字一个字」变成了「一块一块」。
问：为什么能快一倍？
因为跑一遍模型的成本几乎没变，但一次能定下来的字多了。原来跑一遍出一个字，现在跑一遍出一块里的一部分。等于把「翻一遍字典写一个字」改成了「翻一遍字典写一段」。
问：我现在能用吗？
权重和模型卡都在 Hugging Face 上，可以直接下。不过它是 35B 的模型，本地跑需要点硬件。
最后一句
这不是「扩散干掉了自回归」。
它更像是：在同一条路上，多修了一条车道。
那条车道特别适合一种车——一个人干活、没人陪跑、上下文还特别长的任务。Agent 恰好就是这种车。
至于这条路最终是「一条更快的工程捷径」，还是「下一代模型的雏形」，得等社区把模型跑起来、把长任务压一压，才能有答案。
现在能确定的是：那个「AI 只能一个字一个字往外蹦」的时代，技术上已经被绕过去了。
参考：
- 量子位：《刚刚，扩散模型杀进 Agent 主场！350亿参数，速度比 Jev 快一倍》
- Hugging Face：Clover-35B-A3B-Preview 模型卡
- 扩散智能官方发布信息、融资披露
文中图 1–图 3 为本文自绘；基准数据为官方自报，实测体验数据来自发布当日媒体报道。