DiffuSpace 發布首款模型 Clover-35B-A3B-Preview，宣稱在發布時的基準測試中，於開放原始碼擴散語言模型裡表現最佳。該模型採用 350 億參數的混合專家架構，每個 token 僅啟用約 30 億參數，並支援 128K 上下文視窗。
目前大小是最小值，向右滑動可放大。
Clover-35B-A3B-Preview 的核心是一個擁有 350 億（35B）參數的混合專家（Mixture-of-Experts, MoE）主幹網路。
該模型在處理每個 token 時僅啟用約 30 億（3B）個活動參數。
Clover 採用區塊擴散（block diffusion）技術進行文本生成。
該模型支援高達 128K 的上下文視窗。
DiffuSpace 在其發布部落格中聲稱，Clover-35B-A3B-Preview 在當時報告的基準測試中，於開放權重擴散語言模型類別裡達到最先進（state-of-the-art）的表現。
來源提供了指向 Hugging Face 頁面及程式碼/推論後端的連結。
截至本次發布，正式發布包未登錄更正。
AI 協助擷取、寫作與核對；最終內容依來源與驗證規則發布。
開源推理框架 SGLang 推出 v0.5.23 版本，透過合併來自 257 位貢獻者的 1007 個 Pull Request，大幅擴展對 Muse Spark、MiniMax-M3.1 等新模型的支援。此次更新重點在於優化 DeepSeek-V4.1 在 NVIDIA GB300 與 AMD MI350X 上的推理速度，並首次透過 SGLang-TorchTPU 插件原生支援 Google TPU7x 硬體。
雲端服務商 Namespace 因 Mac Mini 交貨延遲及晶片更新不同步，轉而採用 MacBook 架設伺服器機櫃。此舉旨在滿足 iOS 開發者對最新 Xcode 版本的即時需求，並透過自製散熱與遠端管理方案克服筆電在資料中心的運作限制。
一篇針對「Astra 能讀寫權重以改進 Qwen」文章的技術評論指出，該文章摘要容易讓人誤以為模型僅透過觀察原始權重就能提升大型語言模型的數學能力。實際上，涉及真實語言模型（如 Qwen3.5-0.8B）的實驗均使用了 Python 程式碼輔助分析與執行，且關鍵結果是修復了推理迴圈問題，而非單純的數學邏輯增強。
我們使用 Google Analytics 了解閱讀情況與改善新聞網站。你可以接受或拒絕分析 Cookie，不影響閱讀。了解 Cookie 政策
