终于！Agent赛道，不再是自回归（AR）模型一家独大。
长期处于非主流位置的扩散模型，也开始有了一席之地。
这些年但凡叫得上名字的Agent，从ChatGPT到Claude，底层清一色因果自回归LLM。
逐Token生成慢是慢了点，但行业默认，Agent的大脑只能如此。
蚂蚁却不这么想。
旗下inclusionAI团队陆续推出LLaDA系列模型，最新开源LLaDA2.2，实现扩散模型首次进入智能体长程任务！
准确来说，这是一款千亿参数的MoE扩散语言模型，原生支持128K上下文，也是全球首个大规模Agentic扩散模型。
总之自回归模型能干的，它也能干，自回归模型跑得慢的痛点，它也能一刀切。
更关键的是，它第一次将Levenshtein编辑、面向环境反馈的强化学习，以及长上下文工程架构，整合进同一套扩散模型Agent系统——
模型不仅能并行生成，还能在生成过程中自我增删、动态修正。
LLaDA2.2的出现同样有迹可循，从2.0时期的规模化尝试，到2.1版本的边写边改，再到如今的智能体觉醒。
半年时间、三代模型，依次完成扩散架构从生成工具到行动架构的递进。
扩散模型破局自回归垄断
其实自回归模型能统治Agent赛道这么久，也是有几分道理在的。
多轮对话、工具调用、环境反馈处理，这些任务本身就天然要求模型具备序列因果性。
一个Token一个Token蹦，逻辑链条才不容易断。
传统扩散模型则可以同时处理一个block中的多个位置，速度是比自回归快了，但代价就是Token之间彼此缺乏严格的序列条件约束。
放在普通文本生成场景里，这些问题倒不算什么，顶多影响一点可读性，读者看到两句重复的话，笑一笑就算了。
但Agent场景不一样。
Agent的输出是要被真实执行的，再小的bug也会影响整个流程，一步错步步错，错误会在后续交互中被持续固化成硬约束，最终导致整体目标漂移。
所以扩散模型想在更复杂困难的Agent环境中和自回归齐平，就须得迈过这一关。
对此，蚂蚁团队看得很清楚。
LLaDA2.0首先解决的，就是规模化问题。
它证明扩散模型并不是只能停留在小参数实验阶段，也能够与MoE等架构结合，真正落地工程。
在验证路线可信的前提下，蚂蚁再顺势推舟给出LLaDA2.1，进一步证明扩散模型边写边改的可用性。
LLaDA2.1引入Token-to-Token编辑机制，可以在生成过程中判断哪些Token应该保留，哪些Token需要替换。
但到了Agent，这样的局部修改还远远不够，它需要的是根本性的结构调整，实现边行动边纠错。
于是LLaDA2.2来了。
如何做到？三大技术拼图集中发力
LLaDA2.2的变化集中在三个方面，每一项单点突破固然重要，蚂蚁三合一系统集成在一起才是扩散模型拿到Agent入场券的重中之重。
让模型学会自改自生
传统扩散模型块并行解码的最大问题是结构刚性。生成完一个block，里面的Token就被钉死了。
要是错了，只能整段重来，长了也没法删，短了更没法补。
LLaDA2.2采用Levenshtein编辑范式，在块内支持四种原子操作：KEEP（保留）、SUBSTITUTE（替换）、DELETE（删除）、INSERT（插入）。
然后通过LCS最长公共子序列将块内草稿与目标序列对齐，动态生成编辑标签。
翻译一下就是，模型现在能对自己的生成结果修正了。
看到冗余的内容，直接DELETE切掉，发现缺了关键信息，INSERT可以在指定位置开一个口子，后续去噪轮次往里填。
这也是业界第一次把Levenshtein编辑大规模集成到扩散模型的去噪过程中，效果立竿见影。
实验显示，在SWE-bench Verified上，仅开启Levenshtein编辑这一项，就带来了从35.8到44.4，整整8.6个百分点的绝对提升。
让模型学会看环境反馈
除了结构刚性问题，扩散模型还有一个更为隐蔽的坑。
长程Agent交互中，早期block的微小偏差会被后续上下文不断放大。一旦返回了错误结果，模型再用这个错误结果去规划下一步，推理路径就会越走越窄。
ICML 2026的最佳论文还专门讨论过这个问题，它有一个专门的名字：模型崩溃（Model Collapse）。
常规修正方法是在错误外面包一层修正指令，显然这样做治标不治本。
LLaDA2.2提出的L-EBPO（Levenshtein Editing Evidence Lower Bound Policy Optimization），可以把多轮交互中的Levenshtein编辑决策建模为强化学习问题。
模型会根据环境反馈，自主决策什么时候DELETE切除病灶、什么时候INSERT填补缺失。
如果说Levenshtein编辑范式是给了扩散模型一双手，L-EBPO就是添上了眼睛，让模型能实时看到自己的错误，知道从哪里做、做完效果如何。
让模型支撑长程Agent任务
解决完质量问题后，摆在扩散模型面前的还有最后一道坎——工程应用。
Agent任务普遍需要处理超长上下文，上下文窗口不够大，Agent就举步维艰。
LLaDA2.2通过渐进式长上下文训练，一步步把原生上下文窗口从8K、64K撑到了128K。
随之而来的是另一重问题：标准MoE为Token级路由，每个Token独立选择专家，总激活专家集合极大，HBM流量、通信开销暴涨，推理成本飙升。
LLaDA2.2的解法是BlockRouting。
先在block层面精准筛选top-C个专家形成固定专家池，再内部执行Token级top-k路由，屏蔽池外专家。
这样每块激活专家上限恒定，HBM流量与专家并行通信成本得以大幅降低。
由此，128K原生上下文+BlockRouting机制让Agentic扩散模型真正具备了工程部署价值。
那么效果如何呢？
且看七大Agent基准上，LLaDA 2.2-flash与顶尖自回归模型Ling-2.6-flash正面竞技，平均分为53.83 vs 55.74，差距缩小到2分以内。
严格来说，还没有完全跑赢，但二者已处于相近水平。
进一步拆开看，LLaDA 2.2在τ²-Bench、PinchBench、MCP-Atlas三项交互式任务上实现反超，说明它在偏向真实交互的Agent场景中已经开始展现竞争力。
效率方面则更干脆，在11类工作负载上，LLaDA2.2-flash的BF16平均吞吐量可达Ling-2.6-flash的1.64倍，量化至FP8后，平均吞吐量还可以额外提升18.6%。
同时结合此前已知的原生128K上下⽂窗⼝，LLaDA2.2的优势在于，能力接近自回归模型，速度更优。
而这才是LLaDA2.2最值得关注的地方，它证明扩散模型同样可以和自回归模型站在同一条起跑线上。
Agent时代，需要自回归与扩散双轨并行
诚然，LLaDA2.2并没有终结自回归模型统治。
在严格结构化输出和复杂代码生成中，自回归模型依然拥有更成熟的能力。
但LLaDA2.2的价值不在输赢，它所抛出的行业观察才是核心：纯自回归模型不是绝对选项。
过去Agent的主流架构几乎被自回归接管，但对Agent来说，当它真正进入物理世界，它需要的就不会只有更高的智力上限。
比如一个部署在工厂车间里的Agent，响应延迟每多一秒，产线停摆的成本就多一分；再比如一个运行在端侧设备上的Agent，推理成本每高一点，大规模落地的门槛就高一截。
速度、成本，这些恰恰是扩散架构的优势所在。
它和自回归模型也不是非此即彼，相反后Agent时代可能同时需要它们：
需要生成严格工具参数、执行强因果流程时，可以由自回归稳步推进；需要快速探索、并行生成时，可以让扩散介入。
两种机制融合，在同一个Agent系统里各司其职，然后根据任务阶段动态切换，这才是LLaDA2.2所预示的未来。
老话常说，两条腿走路，才能走得更远。
自回归模型已经铺好了一条成熟轨道，LLaDA2.2正在尝试铺设另一条：
最终双轨并行。
