LLaDA2.2-mini: i pesi dell'agente di diffusione di Ant inclusionAI sono comparsi silenziosamente il 5 settembre

Alle 05:16 UTC del 5 settembre 2026, è nato un repository Hugging Face chiamato inclusionAI/LLaDA2.2-mini, e al momento in cui scriviamo questa è quasi l'intera storia del rilascio: i pesi sono disponibili, la scheda del modello è scritta, e il fornitore — inclusionAI, il laboratorio di Ant Group dietro la linea di modelli a diffusione LLaDA — non ha detto nulla al riguardo. Nessun post di lancio, nessuna campagna social, nessuna voce nella tabella dei modelli del README GitHub di inclusionAI/LLaDA2.X, dove il più grande LLaDA2.2-flash è l'unico presente. Ventiquattro ore dopo la comparsa del repository, il contatore dei download segnava zero. Questo è un articolo del tipo "cosa sappiamo finora" su LLaDA2.2-mini, e la disciplina di quel formato conta qui, perché quasi ogni numero interessante associato al modello è un numero che inclusionAI ha digitato sulla propria scheda. Questo articolo distingue ciò che è verificabile in modo indipendente riguardo al rilascio da ciò che è dichiarato dal fornitore, e solleva le questioni aperte invece di sorvolare su di esse.

La versione breve, per chi vuole solo capire com'è fatto: LLaDA2.2-mini è il fratello minore del modello linguistico a diffusione LLaDA2.2-flash che inclusionAI ha annunciato a luglio 2026, ora disponibile come checkpoint mixture-of-experts da 16 miliardi di parametri che ne attiva solo 1,4 miliardi per token, gestisce un contesto di 128K ed è addestrato per attività agentiche — tool calling, correzioni multi-turno — tramite un decoder a diffusione in grado di inserire ed eliminare token a metà generazione. La licenza è Apache-2.0. E poiché i pesi hanno un solo giorno di vita e nessun annuncio alle spalle, non esiste ancora l'infrastruttura consueta: nessuna valutazione indipendente, nessuna API ospitata che siamo riusciti a trovare, nessuna guida al serving oltre a quella raccomandata dalla scheda stessa. Ciò che puoi verificare oggi è l'architettura, la licenza e i numeri che inclusionAI ha scelto di pubblicare.

Il rilascio è un repository, non un evento

Inizia da ciò che può essere verificato senza fidarsi di nessuno. L'API Hugging Face registra inclusionAI/LLaDA2.2-mini come creato il 5 settembre 2026 e modificato l'ultima volta lo stesso giorno. È concesso in licenza Apache-2.0, utilizza il formato safetensors con tensori bf16, dispone di un template di chat e richiede trust_remote_code perché l'architettura di diffusione è distribuita come codice di modellazione personalizzato. Il modello gemello del repository, inclusionAI/LLaDA2.2-flash, è stato creato il 16 luglio 2026, ha accumulato migliaia di download e decine di like nelle settimane successive ed è stato annunciato pubblicamente. Il modello mini non ha né l'annuncio né l'adozione: nel suo primo giorno ha registrato like a una cifra e nessun download.

L'unica attenzione esterna che la mini ha finora attirato è una pagina aggregatrice che ha ripubblicato la model card entro poche ore dalla comparsa del repository; si tratta di uno specchio della scheda, non di una fonte indipendente, e non contiene informazioni che il repository stesso non abbia già. Questo è l'intero registro pubblico al 6 settembre. La prospettiva che conta per un lettore che decide se prestare attenzione: inclusionAI ha ora distribuito silenziosamente pesi di diffusione due volte nella stessa settimana — questo modello il 5 settembre e i checkpoint di generazione LLaDA-Image il giorno prima — quindi un rilascio silenzioso nel repository sembra essere un modello di pubblicazione consolidato per il laboratorio, non un incidente. Nulla di questo schema ci dice se arriverà un annuncio.

Cosa è realmente LLaDA2.2-mini

L'architettura è l'aspetto più interessante del modello ed è descritta integralmente sulla scheda. LLaDA2.2-mini è un modello linguistico a diffusione di tipo mixture-of-experts costruito sul backbone LLaDA2.0-mini. I modelli linguistici a diffusione ribaltano il normale ciclo di generazione: invece di un modello autoregressivo che predice un token alla volta, un LLM a diffusione parte da un blocco di token mascherati o rumorosi e perfeziona l'intero blocco in parallelo, rimuovendo il rumore fino a ottenere una sequenza coerente. La generazione di LLaDA2.2 aggiunge ciò che inclusionAI chiama editing di Levenshtein: due token di controllo, DELETE e INSERT, che consentono al decoder di modificare la lunghezza e la struttura della sequenza che sta producendo, e non solo il suo contenuto — rimuovendo una porzione ridondante già scritta, oppure aprendo un punto di inserimento in cui deve andare nuovo contesto (ad esempio, il risultato di un tool). Questo è il meccanismo che la famiglia usa per far funzionare il decoding a diffusione nei cicli multi-turn e di utilizzo di tool, dove un modello autoregressivo può semplicemente attendere il prossimo turno dell'utente, mentre un modello a diffusione a blocchi deve rivedere ciò che ha già generato.

Le specifiche rilevanti, tutte direttamente dalla scheda del modello: 16 miliardi di parametri totali, escluse le embedding, 1,4 miliardi attivi per token attraverso un MoE a 256 esperti con 8 esperti instradati per token; 20 layer, 16 teste di attenzione, 4 teste KV; un vocabolario di 157.184 token; embedding posizionali rotativi; e una finestra di contesto di 128K. Una tecnica chiamata Block Routing limita quali esperti si attivano a livello di blocco di diffusione, ed è così che il modello riesce a mantenere gestibile un contesto di 128K su una singola GPU consumer. La scheda lo indica per una GPU con almeno 24GB e raccomanda SGLang come backend di servizio per carichi di lavoro agentici a contesto lungo.

Qui sopra è il punto in cui la release si colloca nella timeline della famiglia — la discendenza che rende leggibile "LLaDA2.2-mini". LLaDA2.0 nel novembre 2025 è stato il primo modello linguistico a diffusione scalato a 100 miliardi di parametri; LLaDA2.1 nel febbraio 2026 ha aggiunto la modifica dei token per una diffusione testuale più rapida; la generazione LLaDA2.2 nel luglio 2026, annunciata con LLaDA2.2-flash e il suo report tecnico, ha orientato la famiglia verso gli agenti. La mini è il pezzo di quella generazione rimasto una promessa fino ad ora: la copertura della release di luglio menzionava già una variante 16B più leggera della flash per un'implementazione più economica, ma i pesi autonomi si sono materializzati solo il 5 settembre.

I numeri sulla carta, etichettati per quello che sono

La tabella dei benchmark nella scheda del modello è di proprietà di inclusionAI, pubblicata il giorno in cui i pesi sono stati messi online, e nessun laboratorio indipendente ne ha riprodotto alcun risultato — Artificial Analysis non ha una voce per LLaDA2.2-mini e non riusciamo a trovare alcuna esecuzione di terze parti. Leggete le cifre come dichiarazioni del fornitore dal valore indicativo, non come fatti misurati. In questo quadro, la storia raccontata dalla scheda è coerente: LLaDA2.2-mini è uno specialista in ambito agentico e nei contesti lunghi, e sacrifica alcuni punti nei benchmark generali per arrivarci.

• Media agentica — 59,00, da τ²-Bench 57,50, Claw-Eval 57,16 e PinchBench 62,33 (riportato dal fornitore).

• Chiamata di funzioni — 47,68 su BFCL v4, in aumento rispetto ai 25,05 e 28,44 raggiunti da LLaDA2.0-mini e LLaDA2.1-mini rispettivamente; 69,02 sul precedente BFCL v3.

• Contesto lungo — 34.99 su LongBench v2, più del doppio dei 15.51 e 12.13 ottenuti dai precedenti mini, che è il concreto vantaggio della finestra di 128K.

• Generale — una media generale di 46.47, con AIME 2026 a 35.05, OlympiadBench 61.11, LiveCodeBench v6 28.14, GPQA-Diamond 44.41 e IFBench 24.93 — diversi di questi leggermente inferiori alle precedenti versioni mini, il costo visibile dell'aver destinato il budget di addestramento al comportamento agentico, invece.

Quell'ultimo punto merita di soffermarcisi, perché è la ragione onesta per cui un team sceglierebbe questo modello rispetto a un generalista più forte sulla carta. LLaDA2.2-mini non afferma di essere il miglior modello piccolo in matematica o nel seguire le istruzioni; afferma di essere bravo in ciò in cui i modelli di diffusione sono stati storicamente carenti — lavoro prolungato, multi-turn, con uso di strumenti — mantenendo il numero di parametri attivi abbastanza basso da avere un impatto concreto su una singola GPU. Il balzo su BFCL v4 e il balzo su LongBench v2 sono i numeri che sopravvivrebbero a un'esecuzione indipendente se la scheda è in gran parte corretta.

Eseguirlo e l'impalcatura mancante

Sulla carta, il percorso per eseguire LLaDA2.2-mini è semplice, perché la versione è nativa per Transformers: la scheda mostra di caricarlo con AutoModelForCausalLM e trust_remote_code=True su transformers ≥ 5.2.0, poi chiamare generate con parametri specifici della diffusione — una lunghezza del blocco di 32 e una temperatura di 0.0 sono i valori predefiniti raccomandati, e la scheda suggerisce una lunghezza di output di 32.768 token per la maggior parte delle query. Per il serving agentico a contesto lungo, punta a SGLang, e gli utenti della Cina continentale hanno a disposizione un mirror ModelScope. Ciò che ancora non esiste è l’ecosistema circostante: nessuna API ospitata su alcun provider che possiamo verificare, nessuna build GGUF che possiamo trovare, e un supporto framework che si sta ancora assestando — il lavoro della comunità sull’architettura LLaDA2 per llama.cpp è recente, quindi il supporto alla quantizzazione è limitato.

Questa combinazione — un paradigma di decodifica genuinamente nuovo, vecchio di un giorno e solo self-hosted — è esattamente la situazione in cui un livello di routing dimostra il proprio valore senza spacciare il nuovo modello per pronto alla produzione. Il modo responsabile di provare LLaDA2.2-mini è eseguirlo tu stesso su un percorso di test mentre la produzione resta su un modello maturo; ed è a questo che serve la configurazione di OrcaRouter: un'unica API per oltre 200 modelli al prezzo di listino del provider, senza alcun ricarico; failover automatico, così che l'arresto del checkpoint vecchio di un giorno non metta fuori uso un workflow; e il DSL di routing per comporre una chiamata di diffusione self-hosted con modelli autoregressivi ospitati dietro un'unica chiave. Quando — se — un provider metterà in listino LLaDA2.2-mini, varrà lo stesso pass-through e il prezzo che vedrai sarà quello del provider. Fino ad allora, la dichiarazione onesta sulla disponibilità è: scarica i pesi Apache-2.0 da Hugging Face o ModelScope ed eseguili tu stesso.

Cosa guardare dopo

Tre cose trasformerebbero ciò che sappiamo finora in una vera storia, e tutte e tre oggi sono assenti. Primo, un annuncio: se il pattern LLaDA2.2-flash regge, un post di lancio e una copertura da technical report potrebbero seguire al rilascio silenzioso del repository, e probabilmente aggiungerebbero dettagli sull'addestramento che la scheda omette. Secondo, una riproduzione indipendente: la media agentica di 59.00 e il punteggio BFCL v4 di 47.68 sono le affermazioni più degne di essere riprodotte, perché i benchmark agentici sono quelli in cui la scelta dell'harness sposta maggiormente i punteggi. Terzo, la maturità del serving: le guide per il serving di SGLang, un percorso vLLM e le quantizzazioni della community ti direbbero se il footprint da 1.4B attivi è tanto economico da operare in pratica quanto suggerisce la scheda tecnica. Nessuna di queste cose esiste al 6 settembre. I pesi sono reali, la licenza è permissiva e l'architettura è davvero un modo diverso di eseguire un agente — ma la prova che sia un buon agente è, per ora, la scheda di un solo fornitore.