LLaDA 2.2-flash 在 τ²-Bench 上拿到 592.8
omarsar0 · x · 2026-07-26
这条继续补充 LLaDA 2.2-flash 的基准成绩。
- τ²-Bench 上，它拿到 592.80，对比 Ling-2.6-flash 的 334.90；fast mode 还能到 705.30。
- 配图表格还列出了 SWE-bench、BFCL-v4、AIME 2026、LiveCodeBench、IFBench、KOR-Bench、GPQA-Diamond、LongBench-v2 等多项 throughput 对比，FP8 量化版本通常更快。
所属事件:蚂蚁开源扩散大模型 LLaDA 2.2，主打智能体与自纠错(10 条相关)→
「模型」频道最新
- Arav Srinivas 称 GLM 被低估，700B 规模接近 Opus — AravSrinivas · 2026-07-28
- Kimi K3 复现 RLVR 研究结论且不乱下结论 — infoxiao · 2026-07-28
- Inference.net 推出流量镜像评测流程，先试 Kimi K3 再切换 — MatthewBerman · 2026-07-28
- Claude 被退订：ChatGPT/Codex 5.6、Sol、Kimi 3 都吃力 — sull · 2026-07-28
- GLM 5.5 被曝 8 月发布，主打长程智能体循环 — bindureddy · 2026-07-28
- Kimi K3 登陆日本，2.8 万亿参数开权重并给出低价推理 — DavidBennett__ · 2026-07-28