同规模对比评测显示：扩散模型整体落后，但在智能体循环更快
Additional-Engine402 · reddit · 2026-07-25
这条帖子把同一实验室发布的扩散模型 LLaDA2.2 和同规模自回归模型做了正面比较，信息量主要在实验结论而不是热评。
- 在通用知识和多数代码评测上，扩散模型都落后于自回归模型。
- 它只是在少数 agent / 多轮工具调用 任务上领先：tau2 bench 为 80.33 vs 76.36，MCP Atlas 为 46.21 vs 41.12。
- 作者自己也提醒，SWE-bench 的差距不宜机械解读，因为两次运行使用了不同 scaffold。
- 最明确的优势是速度：在 BF16 + speculative decoding 下，平均解码吞吐约快 1.6×，在 agent 工作负载上最高可到 2.3× 左右。
- 权重以 Apache 2.0 开放，但模型下载体积高达 205.8 GB，没有 llama.cpp 支持，且本地/服务化生态都还不成熟。
这条帖子的核心判断不是“扩散模型赢了”，而是：在每轮都要付出解码延迟的 agent 循环里，扩散骨干可能以更快速度达到相近质量区间。
所属事件:LLaDA2.2-flash 发布：100B 扩散模型攻坚 Agent 推理(6 条相关)→
「模型」频道最新
- Descript 当天把 Claude Opus 5 接进视频编辑器 — descript · 2026-07-25
- Opus 5 被评价为深度研究任务表现极强 — madhavsinghal_ · 2026-07-25
- ChatGPT 的一行一条风格，来自数据还是调教 — arsn202 · 2026-07-25
- CogSci 讨论语言效率与 LLM 语义表征的关系 — ChrisGPotts · 2026-07-25
- 一张梗图把 Opus 5 评测做成 OpenAI 对峙现场 — kimmonismus · 2026-07-25
- OpenAI 称 GPT-5.6 让生产 agent 构建快 2.2 倍、便宜 27% — OpenAI · 2026-07-25