LLaDA2.2-mini：Ant inclusionAI的擴散代理權重於9月5日悄然現身

「2026 年 9 月 5 日 05:16 UTC，一個名為 inclusionAI/LLaDA2.2-mini 的 Hugging Face 儲存庫誕生了；截至撰寫本文時，這幾乎就是這次發布的全部故事：權重已上線、模型卡已寫好，而供應商——即 LLaDA 擴散模型產品線背後的 Ant Group（螞蟻集團）實驗室 inclusionAI——至今隻字未提。沒有發布貼文、沒有社群宣傳、沒有出現在 inclusionAI/LLaDA2.X 的 GitHub README 模型表中，該表目前仍只有較大的 LLaDA2.2-flash 孤單列在上面。儲存庫出現二十四小時後，其下載計數器仍顯示為零。這是一篇關於 LLaDA2.2-mini 的「迄今已知資訊」整理。這種格式所要求的嚴謹在此相當重要，因為幾乎每個與該模型相關的有趣數字，都是 inclusionAI 自行打在自家模型卡上的數字。本文將此次發布中可獨立驗證的事實與廠商自行申報的資訊分開，並直接點出尚待解答的疑問，而非含糊帶過。

簡短版本，給只想知道大概輪廓的人：LLaDA2.2-mini 是 inclusionAI 於 2026 年 7 月發布的 LLaDA2.2-flash 擴散語言模型的小型姊妹模型。它現在以 160 億參數的混合專家（mixture-of-experts）檢查點形式提供，每個 token 只啟動 14 億參數，支援 128K 上下文，並經過訓練以執行代理型工作——工具呼叫、多輪修正——使用一個能在生成途中插入和刪除 token 的擴散解碼器。它採用 Apache-2.0 授權。而且由於這些權重才剛發布一天、背後沒有伴隨任何公告，因此常見的配套設施都還不存在：沒有獨立評測、找不到任何託管 API，也沒有模型卡本身建議以外的服務指南。你今天能驗證的，就是 inclusionAI 選擇公布的架構、授權與數字。

發布是一個儲存庫，而非一個事件。

先從不需要信任任何人就能查證的事開始。Hugging Face API 記錄顯示 inclusionAI/LLaDA2.2-mini 創建於 2026 年 9 月 5 日，並於同日最後修改。它採用 Apache-2.0 授權，使用含 bf16 張量的 safetensors 格式，配有聊天模板，且需要trust_remote_code，因為其擴散架構是以自訂建模程式碼的形式提供。該 repo 的姊妹專案 inclusionAI/LLaDA2.2-flash 創建於 2026 年 7 月 16 日，在之後數週內累積了數千次下載和數十個讚，並已公開宣佈。而 mini 既無公開公告，也未獲採用——上線第一天僅有個位數的讚，下載次數則完全為零。

到目前為止，mini 所獲得的第三方關注只有一個彙整頁面，它在 repo 出現後幾小時內就重新發布了 model card；那只是 model card 的鏡像，並非獨立來源，而且它不包含任何 repo 本身未提供的資訊。這就是截至 9 月 6 日的全部公開記錄。對於要決定是否關注的讀者來說，關鍵的脈絡是：inclusionAI 已在同一個星期內兩度靜靜地發布 diffusion 權重——此模型在 9 月 5 日，而 LLaDA-Image 生成檢查點在前一天——因此，靜靜地發布 repo 看起來是這個實驗室既定的發布模式，而非意外。這個模式本身並不能告訴我們是否會有正式公告。

LLaDA2.2-mini 實際上是什麼

架構是這個模型最有趣的地方，而卡片上已有完整描述。LLaDA2.2-mini 是一個建立在 LLaDA2.0-mini 骨幹之上的混合專家擴散語言模型。擴散語言模型顛覆了常見的生成迴圈：有別於自迴歸模型一次預測一個下一個 token，擴散 LLM 是從一塊遮罩或含雜訊的 token 開始，並行地精煉整塊 token，透過去噪逐步趨向一個連貫的序列。LLaDA2.2 的生成加入了 inclusionAI 所稱的 Levenshtein 編輯：兩個控制 token——DELETE 和 INSERT——讓解碼器除了改變內容之外，還能改變它正在產生之序列的長度與結構——移除它已經寫出的多餘片段，或開啟一個插入點，讓新的上下文（例如工具結果）得以放入。這就是該系列模型用來讓擴散解碼能在多輪、使用工具的迴圈中運作的機制；在這種情境下，自迴歸模型只需等待下一個使用者回合，而區塊擴散模型則必須修改它已經生成的內容。

相關規格皆直接來自規格卡：總參數 160 億（不含嵌入層），透過 256 位專家組成的 MoE，每 token 啟用 14 億參數，每次路由 8 位專家；共 20 層、16 個注意力頭、4 個 KV 頭；詞彙量達 157,184 個 token；採用旋轉位置嵌入；並支援 128K 上下文視窗。一種名為 Block Routing 的技術會在擴散區塊層級限制哪些專家被觸發，這正是該模型能在單張消費級 GPU 上維持 128K 上下文可行性的關鍵。規格卡將它定位為需要 24GB 以上顯示卡的模型，並建議以 SGLang 作為長上下文代理型工作負載的服務後端。

以上是該版本在家族時間軸中的定位——也就是讓「LLaDA2.2-mini」得以被理解的譜系。LLaDA2.0 於 2025 年 11 月成為首個擴展至一千億參數的擴散語言模型；LLaDA2.1 於 2026 年 2 月加入了 token 編輯功能，以加速文字擴散；2026 年 7 月的 LLaDA2.2 世代，與 LLaDA2.2-flash 及其技術報告一同發布，將整個系列指向了智能體。mini 是該世代中直到現在仍停留在承諾階段的那一塊：關於 7 月發布的報導已提到一個更輕量的 16B flash 變體，用於更經濟的部署，但獨立的權重直到 9 月 5 日才真正落地。

卡片上的數字，標示出它們分別代表什麼

模型卡上的基準測試表是 inclusionAI 自家的結果，是在權重上線當天公布的，至今沒有任何獨立實驗室複現過其中任何數據——Artificial Analysis 沒有收錄 LLaDA2.2-mini，我們也找不到任何第三方跑分。請把這些數字視為廠商帶有方向性的宣稱，而非實測事實。在這個前提下，模型卡講述的故事是一致的：LLaDA2.2-mini 是 agentic 與長上下文方面的專家，而它是靠犧牲一些通用基準分數換來這些能力的。

• 智能體平均 — 59.00，來自 τ²-Bench 57.50、Claw-Eval 57.16 與 PinchBench 62.33（供應商回報）。

• 函式呼叫 — 在 BFCL v4 上為 47.68，較 LLaDA2.0-mini 的 25.05 與 LLaDA2.1-mini 的 28.44 有所提升；在較舊的 BFCL v3 上則為 69.02。

• 長上下文 — 在 LongBench v2 上獲得 34.99 分，是先前 mini 版本所取得的 15.51 與 12.13 兩倍以上，這就是 128K 視窗所帶來的具體成果。

• 一般 — 綜合平均 46.47，其中 AIME 2026 為 35.05，OlympiadBench 61.11，LiveCodeBench v6 28.14，GPQA-Diamond 44.41，IFBench 24.93 — 其中幾項略低於先前的 mini 版本，明顯是將訓練預算投入代理行為（agentic behavior）所付出的可見代價。

最後這點值得細想，因為這正是團隊選擇此模型，而不是選擇紙面上更強的通用模型的誠實理由。LLaDA2.2-mini 並不宣稱自己是數學或指令遵循方面最好的小型模型；它宣稱的是，它擅長擴散模型以往一直不擅長的事——持續、多輪、使用工具的工作——同時把有效參數數量壓低到在單張 GPU 上仍有實際意義的程度。BFCL v4 的躍升與 LongBench v2 的躍升，就是在這張規格表大體可信的前提下，能經得起獨立評測的數字。

執行它，以及缺失的鷹架。

理論上，執行 LLaDA2.2-mini 的步驟相當直接，因為此版本原生支援 Transformers：模型卡顯示可使用 AutoModelForCausalLM 與 trust_remote_code=True 在 transformers ≥ 5.2.0 上載入，接著以擴散專用參數呼叫 generate——區塊長度 32 與溫度 0.0 是建議的預設值，且模型卡建議多數查詢使用 32,768 token 的輸出長度。針對 agentic（代理式）長上下文服務，它指向 SGLang；中國大陸使用者則可使用 ModelScope 鏡像。目前尚不存在的是周邊生態系：任何我們能查證的供應商皆未提供託管 API，也找不到任何 GGUF 建置，而框架支援仍在演進中——社群針對 llama.cpp 的 LLaDA2 架構開發是最近的事，因此量化（quantization）支援仍然薄弱。

這種組合——一種真正全新的解碼範式，才剛出現一天、且僅限自架——正是路由層足以證明自身價值、又不必假裝新模型已可上線生產的情境。負責任地試用 LLaDA2.2-mini 的方法，是讓你在測試路徑上自行運行，而生產環境繼續留在成熟模型上；這正是 OrcaRouter 的配置用途：以供應商列表價格、0% 加成，透過單一 API 串接 200 多個模型；自動故障轉移使才一天大的檢查點即使停滯，也不會拖垮工作流程；路由 DSL 則能在單一金鑰背後，將自架的擴散呼叫與託管式自迴歸模型組合編排。當——如果——有供應商將 LLaDA2.2-mini 上架，同樣的直通計價也適用，你看到的價格就是供應商自己的價格。在那之前，誠實的可用性說法是：請從 Hugging Face 或 ModelScope 下載 Apache-2.0 權重，然後自行運行。

接下來要看什麼

要把這個「到目前為止已知的一切」變成一個真正的故事，需要三件事，但這三件事今天全都缺席。首先，要有官方公告：如果 LLaDA2.2-flash 的模式成立，那麼在 repo 靜默發布之後，可能會有發布文章以及技術報告的相關報導出現，而且很可能會補充技術卡上省略的訓練細節。其次，要有獨立實測：agentic 平均 59.00 分與 BFCL v4 的 47.68 分是最值得重現的宣稱，因為 agentic 基準正是評估框架的選擇對分數影響最大的地方。第三，要有服務部署的成熟度：SGLang 服務指南、vLLM 的路徑，以及社群製作的量化版本，能告訴你 1.4B-active 的資源佔用在實際營運上是否真的如規格表所暗示的那麼便宜。這些在 9 月 6 日都還不存在。權重是真的，授權是寬鬆的，而這個架構確實是執行智慧體的另一種方式——但證明它是個好智慧體，目前仍只是一家廠商的卡片。