1.91 分：自回归模型的 Agent 护城河，刚刚被一个能"回头改字"的模型填平了
发布于 2026-07-28
LLaDA2.2-flash 是 InclusionAI 开源的 100B MoE 扩散语言模型，在 7 个 Agent 基准上以 53.83 vs 55.74 接近自回归对照 Ling-2.6-flash，BF16 吞吐 1.64×。三层创新（莱文斯坦编辑 + L-EBPO + 块路由）让非自回归路线第一次拿到 Agent 时代的入场券。
1.91 分：自回归模型的 Agent 护城河，刚刚被一个能"回头改字"的模型填平了
你写代码的时候，自回归模型像一支只能往前写的笔。写错一个字，它要么涂掉重来，要么硬着头皮把错字当路标，继续往下编。
扩散语言模型不一样。它看见整段话，觉得第三句不通顺、第五句缺个主语，可以直接把第三句擦掉，在第五句前面补上一行。
三天前，InclusionAI 开源了 LLaDA2.2-flash，一个 100B 参数的 MoE 扩散语言模型。它在 7 个 Agent 基准上平均拿下 53.83 分，对标自回归模型 Ling-2.6-flash 的 55.74 分——差距仅 1.91 分。
非自回归模型做 Agent，第一次跑到了跟自回归模型几乎平起平坐的位置。
而它的 BF16 解码吞吐量，是对照模型的 1.64 倍。
不是追平，是"能编辑"在 Agent 场景里终于管用了
扩散语言模型不是新鲜概念。过去两年，它的画风一直是"文本生成能并行、速度快，但质量追不上自回归"。到 Agent 任务上，这个短板被放得更大——工具调用格式错一个括号，整个任务链条就断了。
LLaDA2.2 没去把扩散模型重新训成自回归。它干了一件更聪明的事：让模型学会编辑自己生成的草稿。
这就是他们塞进去的 莱文斯坦编辑。
上一代 LLaDA2.1 只能在固定位置替换 Token——相当于给你一本格子笔记本，你只能在已有格子里覆盖写字。LLaDA2.2 多了两个动作：DELETE 和 INSERT。看见冗余的整段删掉，发现缺东西的地方当场补上。
拿同一个基座模型做消融实验，只开关莱文斯坦编辑这一个变量：SWE-bench Verified 解决率从 35.8 跳到 44.4，绝对增益 8.6 个百分点。
这意味着什么？以前扩散模型生成 Agent 执行轨迹，一步走偏后面全歪。现在它能回头改——"刚才那个工具调用的参数给错了，删掉重新写"。
跟 ICML 2026 那篇《The Flexibility Trap》的工作刚好形成对照。那篇的思路是把容易走岔的路线收窄，让模型少犯错。LLaDA2.2 走的是另一条路：让你犯错，但给你一支能擦能改的铅笔。
