蚂蚁 LLaDA2.2-flash 发布：103B 参数扩散语言模型，面向 Agent 应用

蚂蚁集团旗下百灵团队（inclusionAI）近日在 Hugging Face 发布了 LLaDA2.2-flash——一款面向智能体（Agent）应用的扩散语言模型。该模型属于 LLaDA2 系列，采用混合专家（MoE）架构，非嵌入参数规模 100B，总参数 103B。

核心参数

扩散语言模型是什么

传统大语言模型（GPT/LLaMA 系列）采用自回归方式生成文本——逐词预测下一个 token。扩散语言模型则借鉴图像生成的扩散思路：先给文本加噪，再逐步去噪还原，最终生成目标文本。理论上可以在生成过程中引入更多控制和引导信号。

蚂蚁选择这条技术路线面向 Agent 场景，意味着扩散模型在可控生成和多步推理上可能有独特优势——这跟 GPT 系的自回归方案走的是不同路径。

面向 Agent 场景意味着什么

Agent 应用对模型的核心要求与传统对话不同：

• 多步推理可控：Agent 需要拆解任务、分步执行，模型要在每一步保持方向不跑偏
• 工具调用准确：生成结构化调用（JSON/API）的格式准确率要高
• 上下文窗口长：Agent 对话链路长，模型要记住前面的决策
• 延迟与成本可控：MoE 架构可以让推理时只激活部分专家，降低实际计算量

怎么看

LLaDA2.2-flash 的发布说明大模型赛道不止「更大更强」一条路。蚂蚁选扩散模型+MoE 架构组合面向 Agent 场景，是在差异化技术路线上押注。最终能否跑赢自回归模型在 Agent 任务上的表现，还需要社区实测数据验证。但开源发布本身降低了研究者和开发者的尝试门槛——Hugging Face 上可以直接拉模型试。

后续我们会持续追踪 LLaDA 系列的社区反馈和实测数据，欢迎收藏 AI智库。