1.52 秒。这是 Clover-35B-A3B-Preview 在 WindTunnel 那 49 个网页任务上的中位执行时间。

同一个榜上，以快著称的 Jev 加 Mercury 2.5 组合是 3.21 秒，GPT-5.6 Luna 是 5.74 秒，Gemini 3.6 Flash 是 7.22 秒。

10 月 28 日，深圳的扩散智能（DiffuSpace）把这个模型开源了：350 亿总参数、30 亿激活的 MoE，权重放在 Hugging Face 和 GitHub，支持 SGLang 和 llama.cpp。

它不是 GPT、Claude 那条自回归路线，是扩散语言模型。不逐 token 从左往右吐字，而是一整块一整块地并行去噪。

这件事容易被读成「扩散模型要来取代自回归」。真正发生的事小一号，也具体一号：agent 的每一步输出都很短，短到正好落在并行解码最占便宜的那一档。优势有边界，边界就在输出变长的地方。

• 本机的 coding agent 被编成了一个队：Friday 驱动已登录的 Claude Code、Codex、Cursor、Gemini CLI，共享一块任务板，谁撞到额度上限就把活交给下一个。
• 机器人不追求像人，追求能干活：费莫一发布四轮足加人身上身的 Sagi，不建图直接进社区取送快递，年底深圳试点。
• 国产 GPU 单季营收 15.52 亿：摩尔线程三季度同比涨 1773.92%，单季扣非转正 2007 万，九个月扣非仍亏 1.31 亿。
• 谷歌把安全基准放到发布稿第一行：Gemini 4 Carbon 主打网络安全与长程 agent，自称提示注入成功率 0.0%。

三十次前向，压成几个去噪步

自回归的账很好算：输出 30 个 token，就要前向 30 次，第 n 个 token 得等第 n-1 个算完。这是串行的，显卡再宽也只能吃满一个 batch。

扩散语言模型换了做法：先把一整块位置全填成噪声，再并行地去噪，每一步所有位置一起更新。块宽记作 B，去噪步数记作 K，生成 B 个 token 的串行步数就从 B 降到 K。官方没说 K 是多少，所以这里只能给公式，不能给倍数——但 B 除以 K，就是这个架构的理论加速上限。

代价落在注意力掩码上。块内要双向，每个位置都得看见块里其他位置，否则没法一起收敛；块与块之间仍要因果，否则整段文本就没有顺序。这也解释了 Clover 对门控 Delta 网络（GDN）的改造：块内用双向注意力做细粒度交互，块外用递归状态压缩历史，再配一个可学习的块大小校准。

一句话，它把「顺序」从 token 级放宽到了块级。

项	Clover-35B-A3B-Preview
架构	MoE，块级扩散解码
总参数 / 激活	350 亿 / 约 30 亿
上下文	128K
推理后端	SGLang、llama.cpp
权重	Hugging Face、GitHub 开源

纸面成绩，和它没说的那个数

官方给的 Agent 基准有四项：SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、τ³ Overall 65.3、BFCL-v4 67.9。对手只有两个——Mercury 2.5，和同尺寸的 Qwen3.6-35B-A3B，四项都是 Clover 最高。

速度那一栏更有意思。WindTunnel 那份测试是 49 个任务、每个任务试 3 次，比的不是 tokens/s，是端到端墙钟时间：

1.52 对 3.21，是两件事叠在一起：单次生成更快，和路径更短——少犯错、少重试，轮次自然少。

这两个数字很难从同一个中位值里拆开，不过中位数有个性质可以用：它只看排在中间的那一半，少数任务重试两次不会把它抬起来。所以这 2.1 倍主要来自单次生成的延迟，不是重试。

成功率那一栏也支撑同一个结论。98.6% 对 95.9%，只差 2.7 个点，不足以解释两倍的时间差。差距不在谁少翻车，在谁一步走得快。

我的判断

这不是「扩散模型要取代自回归」，是「解码的并行度终于匹配上了 agent 的输出长度」。

写一篇两千字的文章，块与块之间要维持全局一致，块扩散的优势会被重复、漂移、重试一点点吃掉。而 agent 的一步只有几十到两三百 token，一两个块就结束，并行省下的时间几乎全额到账。

所以选型会分叉：长文生成、多步推理继续留给自回归；选工具、填参数、抽字段、做判断这些短而结构化的步骤，第一次有了专门为它设计的架构。

真正值得盯的是官方说的下一步：基于 Clover 的决策模型，能在一次生成里联合处理最多 8 个关联判断。这才是块扩散结构上最占便宜的地方——八个判断互相看得见，冲突在生成过程中就被消掉，而不是生成完再回头校验。单点决策模型（比如 Jev 那一类）做不到这件事，它一次只判一个。

泼一盆冷水

全部自报，没有第三方复现。 发布当天，知乎、Reddit、Hacker News 上都还没形成规模的独立评测，对比表里也只有两个对手。Kimi K3.1、Opus 5.5、GPT-6.1 Terra 都不在这张表上。

基准版本别混着比。 51.7 是 Terminal-Bench 2.1，和 GPT-6.1 Terra 在 Terminal-Bench 4.0 上的 50.3 不是一回事，两代基准的难度差着一大截。「51.7 超过 50.3」这种对比可以直接跳过。

模型卡自己承认了退化。 原文写的是「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偏向结束的控制项。长程生成的问题是被工程手段对冲掉的，不是被架构解决的——对动辄几十轮的 agent 任务，这是一个待验证项。

中位执行时间不等于任务完成时间。 真实 agent 的时间大头在工具调用、网络等待和结果校验。1.52 秒说明这批任务的单步很轻，不能直接外推成「agent 快了一倍」。

128K 是规格，不是「128K 下都快」。 块扩散的并行度受块大小限制，长历史靠递归状态压缩，官方没有给长上下文下的检索精度数字。支持 128K 和 128K 下都好用，是两件事。

怎么用

一，先拿三类步骤试水：选工具、填参数、从一堆文本里抽结构化字段。这三类输出都短，失败也容易回滚。

二，评测按端到端墙钟时间建表，别按 tokens/s。自己攒 20 个真实任务，同一台机器、同一套工具，量到任务完成。

三，部署走 SGLang，先压 8K 以内；128K 单独压测，别默认它和短上下文一样快。

四，盯决策模型，别只盯聊天。一次出 8 个关联判断、互相参照的结构，比「再快一点的通用模型」更值得等。

其他动态

Friday：把本机的 coding agent 编成一个队

10 月 27 日登上 Show HN。Friday 是一个本地桌面 harness，不去调 API，直接驱动这台机器上已经装好、已经登录的 coding agent：Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot、OpenCode、Devin、Junie、Kiro、Factory Droid。几个 agent 在一块共享任务板上分活，过程中互相发消息，某个 agent 撞到用量上限时把任务转交给另一个接着做，最后由人审合并结果。macOS、Windows、Linux 都能跑，不需要账号，npx github:splashxmoon/friday，Node 22 以上，MIT 许可。

值得关注的原因：它把「订阅额度」变成了调度资源。以前一个 agent 撞墙就停在那儿等人，现在队列里换个人接着干。代价也很直接——多个 agent 共享一个工作区，谁改了哪一行更难追溯，冲突最后还得人来解。这不是能力升级，是把闲置额度盘活的工程手段。

费莫一 Sagi：机器人不追求像人，追求能干活

10 月 28 日，费莫一科技（PHYMI）发布首款产品 Sagi（萨其玛），四轮足、人形上半身、身后一个随行背箱。9 月刚完成近亿美元种子轮，IDG 资本领投，云启、滴滴出行、复星锐正、耀途、禾赛跟投。模型侧是 PHYMI BRAIN 1.0，拆成认知、行为、接触三个空间，分别管长程拆解、眼手腿协同、力触觉反馈。它的卖点是免部署：第一次进陌生环境不用先建图打点，边走边探路边记路。计划 2026 年底在深圳少量场景开放，2027 年扩到全国几十个服务点，单个社区至少需要十万小时量级的数据。

值得关注的原因：构型是按任务选的，不是按「像人」选的。轮子给效率、腿给台阶和路缘、上身给操作、背箱给承载——每一个部件都能指回一项具体需求。团队自己说四轮足不是通往双足的过渡，双足和四轮足会长期并存。真正的考卷不是 demo，是第二名用户会不会再叫它一次。

摩尔线程：单季 15.52 亿，单季扣非转正

10 月 28 日晚发布三季报：第三季度营收 15.52 亿元，同比增长 1773.92%；归母净利润 4926.04 万元，扣非净利润 2007.24 万元，单季扭亏。前三季度营收 32.89 亿元，同比增长 319.15%，归母净利 3769.73 万元——但九个月口径的扣非仍是 -1.31 亿元，经营活动现金流净额 -33.09 亿元。

值得关注的原因：单季扣非转正、九个月扣非仍亏、经营现金流 -33 亿，三个数放在一起才是完整的故事。收入在快速确认，货款和存货压在前面，这一季的利润是垫资垫出来的台阶。国产 GPU 的看点已经从「能不能造」变成「能不能交付集群并收回钱」，后一半的答案还在现金流里。

Gemini 4 Carbon：把安全基准放进发布稿第一行

10 月 28 日谷歌发布 Gemini 4 Carbon，自称最强前沿模型，主打网络安全与长程 agent 能力。官方给出的数字：Artificial Analysis 智能指数 v5.0 得 59 分排第一；SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；提示注入成功率 0.0%，高严重度失准告警比上一代少 80%。定价每百万 token 输入 2 美元、输出 10 美元，先通过 Fairwind 计划开放给一批网络安全防御方。

值得关注的原因：0.0% 是在它自己选定的攻击集上成立的，不是通用保证——真实世界的提示注入没有固定题库。但把安全基准放到发布稿第一行，说明前沿模型的卖点正在从「更聪明」转向「更可控」。对要把它接进生产系统的人来说，这比再高两分的智能指数更有用。

顺带一提

• Liquid AI 发布 LFM3，六个 2B 级模型共用一套骨干，覆盖文本、视觉、音频、全能、决策五类，从 LFM3-1.7B-Base 训出来，权重开源，主打的场景是端侧单任务微调。
• Flightdeck v0.7.0 在 agent 进程内拦每一次模型调用，token 预算按 80% 警告、90% 换便宜模型、100% 直接断，还能一键停掉一组 agent。
• 台积电 CoWoS 封装报价传上调 10% 到 20%（TrendForce 援引媒体），需求已从 GPU 扩到服务器 CPU 和自研 ASIC，封测产能仍是瓶颈。

参考资料

• 央广网：扩散智能 DiffuSpace 发布并开源最新模型 Clover-35B-A3B-Preview，2026-10-28
• InfoQ：不再逐个生成 Token，扩散模型迈向 35B，2026-10-28
• 阿里云开发者社区：块扩散加 GDN 改造，Clover 把并行生成塞进 agent 的长上下文，2026-10-28
• 证券日报、澎湃新闻：扩散智能开源 350 亿参数模型，2026-10-28
• my2cents.ai：Open Source Agent Tools，2026-10-28（Friday、Flightdeck 条目）
• 极客公园、高工人形机器人：费莫一 Sagi 发布报道，2026-10-28
• 新华财经、证券时报：摩尔线程 2026 年三季度报告，2026-10-28
• Google 官方博客（经 FutureTools 汇总）：Gemini 4 Carbon 发布，2026-10-28

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。