蚂蚁百灵（inclusionAI）近日在 Hugging Face 上发布了 LLaDA2.2-flash，这是一款面向智能体（agent）应用的扩散语言模型，属于 LLaDA2 系列。该模型总参数量（非嵌入层）为 100B，采用混合专家（MoE）架构，上下文窗口扩展至 128K 令牌，并引入了 Levenshtein 编辑机制——通过 DELETE 和 INSERT 两种控制令牌，使扩散解码能够编辑序列结构、删除冗余内容并在并行生成过程中创建插入槽位，从而支持多轮工具调用、长上下文交互和稳健纠错等智能体场景。
在官方公布的基准测试中，LLaDA2.2-flash 与 Ling-2.6-flash 进行了对比。在智能体得分方面，LLaDA2.2-flash 在 τ²-Bench 上取得 80.33（Ling-2.6-flash 为 76.36），在 Claw-Eval 上为 64.22（对比 64.56），在 PinchBench 上为 81.66（对比 81.30），在 MCP-Atlas 上为 46.21（对比 41.12），均小幅领先或持平；而在 SWE-bench 系列（Verified、Pro、Multilingual）和 BFCL-V4 上则略低于对比模型。更值得关注的是吞吐量（TPS）：LLaDA2.2-flash 在 SWE-bench Verified 上达到 519.0 TPS，而 Ling-2.6-flash 为 303.2；在 τ²-Bench 上为 592.8 TPS（对比 334.9）；在 BFCL-V4 上为 703.82 TPS（对比 331.5），吞吐量优势明显。
该模型在技术层面有多项创新：通过 Block Routing 技术将 MoE 专家激活限制在扩散块级别，以支持高效的长上下文智能体工作负载；提出 Levenshtein Editing ELBO-based Block-level Policy Optimization（L-EBPO），利用智能体环境奖励训练多轮工具使用场景下的编辑与纠错能力。模型以 Apache-2.0 许可证开源，并提供了基于 Hugging Face Transformers 的推理代码示例，建议使用 `block_length=32`、`temperature=0.0` 等默认采样参数，并针对长上下文场景推荐使用 SGLang 作为服务后端。
LLaDA2.2-flash 的发布标志着扩散语言模型在智能体应用领域迈出重要一步。相比传统自回归模型，扩散模型在并行生成和编辑能力上具有独特优势，可能为 AI 代理、自动化工具链等场景带来更高效的解决方案。对于关注模型层和基础设施层的投资者而言，该模型的高吞吐量和开源策略有望降低部署门槛，推动更多智能体应用的落地。