終於！Agent賽道，不再是自回歸（AR）模型一家獨大。
長期處於非主流位置的擴散模型，也開始有了一席之地。
這些年但凡叫得上名字的Agent，從ChatGPT到Claude，底層清一色因果自回歸LLM。
逐Token生成慢是慢了點，但行業默認，Agent的大腦只能如此。
螞蟻卻不這麼想。
旗下inclusionAI團隊陸續推出LLaDA系列模型，最新開源LLaDA2.2，實現擴散模型首次進入智能體長程任務！
精準來說，這是一款千億參數的MoE擴散語言模型，原生支援128K上下文，也是全球首個大規模Agentic擴散模型。
總之自回歸模型能幹的，它也能幹，自回歸模型跑得慢的痛點，它也能一刀切。
更關鍵的是，它第一次將Levenshtein編輯、面向環境反饋的強化學習，以及長上下文工程架構，整合進同一套擴散模型Agent系統——
模型不僅能平行生成，還能在生成過程中自我增刪、動態修正。
LLaDA2.2的出現同樣有跡可循，從2.0時期的規模化嘗試，到2.1版本的邊寫邊改，再到如今的智能體覺醒。
半年時間、三代模型，依次完成擴散架構從生成工具到行動架構的遞進。
擴散模型破局自回歸壟斷
其實自回歸模型能統治Agent賽道這麼久，也是有幾分道理在的。
多輪對話、工具呼叫、環境反饋處理，這些任務本身就天然要求模型具備序列因果性。
一個Token一個Token蹦，邏輯鏈條才不容易斷。
傳統擴散模型則可以同時處理一個block中的多個位置，速度是比自回歸快了，但代價就是Token之間彼此缺乏嚴格的序列條件約束。
放在普通文字生成場景裡，這些問題倒不算什麼，頂多影響一點可讀性，讀者看到兩句重複的話，笑一笑就算了。
但Agent場景不一樣。
Agent的輸出是要被真實執行的，再小的bug也會影響整個流程，一步錯步步錯，錯誤會在後續互動中被持續固化成硬約束，最終導致整體目標漂移。
所以擴散模型想在更複雜困難的Agent環境中和自回歸齊平，就須得邁過這一關。
對此，螞蟻團隊看得很清楚。
LLaDA2.0首先解決的，就是規模化問題。
它證明擴散模型並不是只能停留在小參數實驗階段，也能夠與MoE等架構結合，真正落地工程。
在驗證路線可信的前提下，螞蟻再順勢推舟給出LLaDA2.1，進一步證明擴散模型邊寫邊改的可用性。
LLaDA2.1引入Token-to-Token編輯機制，可以在生成過程中判斷哪些Token應該保留，哪些Token需要替換。
但到了Agent，這樣的局部修改還遠遠不夠，它需要的是根本性的結構調整，實現邊行動邊糾錯。
於是LLaDA2.2來了。
如何做到？三大技術拼圖集中發力
LLaDA2.2的變化集中在三個方面，每一項單點突破固然重要，螞蟻三合一系統整合在一起才是擴散模型拿到Agent入場券的重中之重。
讓模型學會自改自生
傳統擴散模型塊平行解碼的最大問題是結構剛性。生成完一個block，裡面的Token就被釘死了。
要是錯了，只能整段重來，長了也沒法刪，短了更沒法補。
LLaDA2.2採用Levenshtein編輯範式，在塊內支援四種原子操作：KEEP（保留）、SUBSTITUTE（替換）、DELETE（刪除）、INSERT（插入）。
然後通過LCS最長公共子序列將塊內草稿與目標序列對齊，動態生成編輯標籤。
翻譯一下就是，模型現在能對自己的生成結果修正了。
看到冗餘的內容，直接DELETE切掉，發現缺了關鍵資訊，INSERT可以在指定位置開一個口子，後續去噪輪次往裡填。
這也是業界第一次把Levenshtein編輯大規模整合到擴散模型的去噪過程中，效果立竿見影。
實驗顯示，在SWE-bench Verified上，僅開啟Levenshtein編輯這一項，就帶來了從35.8到44.4，整整8.6個百分點的絕對提升。
讓模型學會看環境反饋
除了結構剛性問題，擴散模型還有一個更為隱蔽的坑。
長程Agent互動中，早期block的微小偏差會被後續上下文不斷放大。一旦返回了錯誤結果，模型再用這個錯誤結果去規劃下一步，推理路徑就會越走越窄。
ICML 2026的最佳論文還專門討論過這個問題，它有一個專門的名字：模型崩潰（Model Collapse）。
常規修正方法是在錯誤外面包一層修正指令，顯然這樣做治標不治本。
LLaDA2.2提出的L-EBPO（Levenshtein Editing Evidence Lower Bound Policy Optimization），可以把多輪互動中的Levenshtein編輯決策建模為強化學習問題。
模型會根據環境反饋，自主決策什麼時候DELETE切除病灶、什麼時候INSERT填補缺失。
如果說Levenshtein編輯範式是給了擴散模型一雙手，L-EBPO就是添上了眼睛，讓模型能即時看到自己的錯誤，知道從哪裡做、做完效果如何。
讓模型支撐長程Agent任務
解決完質量問題後，擺在擴散模型面前的還有最後一道檻——工程應用。
Agent任務普遍需要處理超長上下文，上下文窗口不夠大，Agent就舉步維艱。
LLaDA2.2通過漸進式長上下文訓練，一步步把原生上下文窗口從8K、64K撐到了128K。
隨之而來的是另一重問題：標準MoE為Token級路由，每個Token獨立選擇專家，總啟動專家集合極大，HBM流量、通訊開銷暴漲，推理成本飆升。
LLaDA2.2的解法是BlockRouting。
先在block層面精準篩選top-C個專家形成固定專家池，再內部執行Token級top-k路由，遮蔽池外專家。
這樣每塊啟動專家上限恆定，HBM流量與專家平行通訊成本得以大幅降低。
由此，128K原生上下文+BlockRouting機制讓Agentic擴散模型真正具備了工程部署價值。
那麼效果如何呢？
且看七大Agent基準上，LLaDA 2.2-flash與頂尖自回歸模型Ling-2.6-flash正面競技，平均分為53.83 vs 55.74，差距縮小到2分以內。
嚴格來說，還沒有完全跑贏，但二者已處於相近水平。
進一步拆開看，LLaDA 2.2在τ²-Bench、PinchBench、MCP-Atlas三項互動式任務上實現反超，說明它在偏向真實互動的Agent場景中已經開始展現競爭力。
效率方面則更乾脆，在11類工作負載上，LLaDA2.2-flash的BF16平均吞吐量可達Ling-2.6-flash的1.64倍，量化至FP8後，平均吞吐量還可以額外提升18.6%。
同時結合此前已知的原生128K上下⽂窗⼝，LLaDA2.2的優勢在於，能力接近自回歸模型，速度更優。
而這才是LLaDA2.2最值得關注的地方，它證明擴散模型同樣可以和自回歸模型站在同一條起跑線上。
Agent時代，需要自回歸與擴散雙軌平行
誠然，LLaDA2.2並沒有終結自回歸模型統治。
在嚴格結構化輸出和複雜程式碼生成中，自回歸模型依然擁有更成熟的能力。
但LLaDA2.2的價值不在輸贏，它所拋出的行業觀察才是核心：純自回歸模型不是絕對選項。
過去Agent的主流架構幾乎被自回歸接管，但對Agent來說，當它真正進入物理世界，它需要的就不會只有更高的智力上限。
比如一個部署在工廠車間裡的Agent，響應延遲每多一秒，產線停擺的成本就多一分；再比如一個運行在端側裝置上的Agent，推理成本每高一點，大規模落地的門檻就高一截。
速度、成本，這些恰恰是擴散架構的優勢所在。
它和自回歸模型也不是非此即彼，相反後Agent時代可能同時需要它們：
需要生成嚴格工具參數、執行強因果流程時，可以由自回歸穩步推進；需要快速探索、平行生成時，可以讓擴散介入。
兩種機制融合，在同一個Agent系統裡各司其職，然後根據任務階段動態切換，這才是LLaDA2.2所預示的未來。
老話常說，兩條腿走路，才能走得更遠。
自回歸模型已經鋪好了一條成熟軌道，LLaDA2.2正在嘗試鋪設另一條：
最終雙軌平行。
技術報告：https://github.com/inclusionAI/LLaDA2.X/blob/main/LLaDA2_2_tech_report.pdf
GitHub連結：https://github.com/inclusionAI/LLaDA2.X
HuggingFace連結：https://huggingface.co/inclusionAI/LLaDA2.2-flash
(量子位)