蚂蚁集团旗下百灵（inclusionAI）近日在 Hugging Face 平台发布了 LLaDA2.2-flash，这是一款面向智能体（agentic）应用的扩散语言模型，属于 LLaDA2 系列。该模型采用混合专家（MoE）架构，非嵌入参数规模为 100B，上下文窗口扩展至 128K，并引入了 Levenshtein 编辑机制（通过 DELETE 和 INSERT 控制符），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中创建插入槽位，从而支持长上下文工具使用、多轮交互和稳健的错误修正。模型以 Apache 2.0 许可开源，并已在 ModelScope 同步上线，方便中国大陆用户访问。
在官方公布的基准测试中，LLaDA2.2-flash 与同系列或竞品模型 Ling-2.6-flash 进行了对比。在智能体基准得分上，LLaDA2.2-flash 在 SWE-bench Verified 上取得 49.28 分（对比 Ling-2.6-flash 的 61.20 分），在 τ²-Bench 上取得 80.33 分（对比 76.36 分），在 MCP-Atlas 上取得 46.21 分（对比 41.12 分），在 PinchBench 上取得 81.66 分（对比 81.30 分）。不过，在 SWE-bench Pro、SWE-bench Multilingual 和 BFCL-V4 等基准上，LLaDA2.2-flash 得分略低于对比模型。值得注意的是，Ling-2.6-flash 的部分分数来自其技术报告（使用 OpenHands 脚手架），而 LLaDA2.2-flash 的 SWE-bench 系列评估则使用了 Claude Code 脚手架，两者评估环境存在差异。
在吞吐量（TPS）方面，LLaDA2.2-flash 表现突出：在 SWE-bench Verified 上达到 519.0 TPS，而 Ling-2.6-flash 为 303.2 TPS；在 τ²-Bench 上为 592.8 TPS（对比 334.9 TPS）；在 BFCL-V4 上为 703.82 TPS（对比 331.5 TPS）。官方表示，Ling-2.6-flash 的评估启用了 MTP（多 token 预测）并设置 4 个草稿 token，而 LLaDA2.2-flash 的评估配置为 128K 上下文、温度 1.0、block_length=32、threshold=0.5、editing_threshold=0.0，每个分数为五次运行的平均值。
技术上，LLaDA2.2-flash 引入了三项关键创新：Block Routing 在扩散块级别限制 MoE 专家激活，以支持高效的长上下文智能体工作负载；Levenshtein 编辑通过 DELETE 和 INSERT 控制符实现序列结构编辑；L-EBPO（基于 Levenshtein 编辑 ELBO 的块级策略优化）利用智能体环境奖励来训练多轮工具使用场景中的编辑和错误修正。模型配置包括 32 层、32 个注意力头、旋转位置编码（RoPE）和 157,184 的词汇表大小。
对于 AI 产业观察者而言，LLaDA2.2-flash 的意义在于它展示了扩散语言模型在智能体应用上的潜力，尤其是其高吞吐量和长上下文能力，可能为模型层带来新的效率选择。不过，其部分基准得分仍低于对比模型，且评估环境差异需谨慎看待。该模型的发布也反映了中国科技公司在开源模型领域的持续投入，蚂蚁百灵通过 Hugging Face 和 ModelScope 双平台分发，降低了全球开发者的使用门槛。未来，随着更多技术细节在即将发布的报告中披露，其实际性能和应用场景将得到更全面的评估。