DiffuSpace veröffentlicht offenes Diffusions-Textmodell Clover 35B für schnelle Generierung
DiffuSpace hat Clover veröffentlicht, ein offenes Mixture-of-Experts-Diffusions-Textmodell mit 35B Parametern, davon 3B aktiv, das laut dem Moderator des Videos sehr schnell läuft.
DiffuSpace hat Clover veröffentlicht, ein Textmodell mit offenen Gewichten und insgesamt 35 Milliarden Parametern, von denen in einer Mixture-of-Experts-Architektur 3 Milliarden aktiv sind. Das Modell basiert auf Diffusion. Matthew Berman stellte die Veröffentlichung in einem Video-Überblick über neue offene Modelle vor. Er sagte, das Unternehmen gebe an, dass Clover im Vergleich mit Modellen ähnlicher Größe stark abschneide. Die Benchmark-Werte waren zwar auf dem Bildschirm zu sehen, das Transkript nennt aber keine Zahlen. Der Vergleich stützt sich daher auf die Angaben des Unternehmens.
Die Geschwindigkeit ist die zentrale Behauptung, und Berman begründet sie mit der Architektur. Da Clover ein Diffusionsmodell sei, könne man erwarten, dass es extrem schnell laufe, sagte er. Wie der Diffusionsansatz Text erzeugt, erklärt das Video nicht. Eine Durchsatzmessung, etwa in Token pro Sekunde, zeigt es ebenfalls nicht. Der einzige Beleg für die Geschwindigkeit ist eine einzelne zeitlich gemessene Aufgabe.
Dabei handelte es sich um eine Computer-Use-Demo mit dem Prompt „I am at CMU Pittsburgh. How long it takes to drive to the nearest Wendy's.“ Laut Berman war Clover nach 169 Sekunden fertig. Qwen 3.6 Flash lief mit demselben Prompt 578 Sekunden lang und wurde nicht fertig. Laut Transkript benötigte Qwen insgesamt 28 Schritte, zugleich heißt es dort, der Lauf habe sein Limit von 30 Schritten erreicht. Das Video löst diesen Widerspruch nicht auf. Unklar bleibt, ob Qwen am Limit gestoppt wurde oder einfach 28 seiner Schritte verbrauchte und dann aufhörte.
Zudem ist der Vergleich sehr begrenzt. Berman zeigte einen Prompt und einen Durchlauf pro Modell. Auf welcher Hardware die Modelle liefen, welche Einstellungen verwendet wurden und ob die Messung wiederholt wurde, sagt das Video nicht. Diese Details sind aber für die Frage relevant, ob ein Ergebnis von 169 gegenüber 578 Sekunden die Modelle widerspiegelt oder das Setup drumherum.
Laut Berman sind die Gewichte auf Hugging Face verfügbar. Verlinkt ist die Veröffentlichung von einer DiffuSpace-Vorschauseite im Hugging-Face-Blog. Die Model Card und die Werte des Unternehmens wurden im Video nicht detailliert genug gezeigt, um sie mit den Zahlen auf dem Bildschirm abzugleichen.
Was sich ändert
Art: Neue Funktion · Betrifft: Clover
Warum es wichtig ist
Wenn Diffusions-Textmodelle dieses Tempo halten, könnten Agenten-Workloads mit vielen Schritten günstiger und schneller laufen.
Was Sie tun können
Teams, die mehrstufige Agenten betreiben, könnten Diffusionsmodelle neben autoregressiven Modellen auf ihre Latenz testen.
Wie sich die Meldung entwickelt hat
Der Kommentar ergänzt die zeitlich gemessene Computer-Use-Demo des Moderators, in der Clover mit Qwen 3.6 Flash verglichen wird.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Forward Future (Matthew Berman)
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es