螞蟻技術研究院近日正式發布全新離散擴散大語言模型系列——LLaDA2.0，同步公開的技術報告顯示，該系列包含100B參數的"flash"版本與16B參數的"mini"版本，成為全球首個突破百億參數的擴散語言模型。這一突破性成果標志著擴散模型在參數規模擴展領域取得重大進展，成功打破業界對擴散模型難以規模化應用的固有認知。

研發團隊創新采用混合專家（MoE）架構，通過模塊化設計實現模型性能與計算效率的平衡。在訓練策略方面，提出的Warmup-Stable-Decay（WSD）持續預訓練方法，使新模型能夠直接繼承現有自回歸（AR）模型的知識體系，避免了傳統從頭訓練帶來的高昂成本。配合置信度感知并行訓練（CAP）與擴散模型專用DPO技術，在保證生成質量的同時，將推理速度提升至AR模型的2.1倍。

多維度評估數據顯示，LLaDA2.0在結構化生成任務中表現尤為突出。在代碼生成、數學推理及智能體交互等場景下，其性能指標全面超越同級別AR模型，而在自然語言理解等基礎能力方面則與開源AR模型持平。這種"專長強化+基礎穩固"的特性，為特定領域的大模型應用開辟了新路徑。

為推動技術生態發展，研究院已將16B與100B兩個版本的模型權重及完整訓練代碼開源至Huggingface平臺。開發者可通過公開資源復現訓練過程，或基于現有模型進行二次開發。此次開源不僅降低了超大規模模型的技術門檻，更為學術界提供了研究擴散模型規模化應用的重要樣本。