扩散语言模型开始接管长任务
蚂蚁集团开源 LLaDA 2.2，真正值得关注的不是“又一个新模型”，而是扩散语言模型第一次被推到 Agent 长程任务的舞台中央。过去，主流大语言模型基本沿着自回归路线前进：一个 token 接一个 token 往后写，强在连续生成和对话体验，但一旦任务变长，前面某一步判断出错，后面就容易顺着错误路径继续展开。LLaDA 2.2 选择了另一条路，它把语言生成看成反复编辑和修正的过程，支持 KEEP、SUBSTITUTE、DELETE、INSERT 四类原子操作，让模型在执行任务时不只是“往下写”，还可以回头改、局部替换、删掉错误步骤，再把新内容插回任务链路。
这个变化对 Agent 产品很关键。Agent 最怕的不是不会写一句答案，而是在搜索、规划、调用工具、验证结果、继续推进的过程中出现早期误判。一个真正可用的 Agent，需要像人一样不断检查中间结果，而不是把第一版计划当圣旨执行到底。LLaDA 2.2 在多项 Agent 基准上拿到 53.83 的均分，吞吐量达到自回归模型的 1.64 倍，并支持 128K 上下文，说明扩散式语言建模不再只是论文里的替代路线，而是开始正面回答长任务效率、可修正性和上下文承载能力这些工程问题。
自我修正比跑分更接近真实生产
很多企业试用 Agent 后会遇到同一个尴尬：演示时很惊艳，真正接入业务流程后却经常卡在细节里。它可能会把任务拆错、搜索到过期材料、误解用户意图，或者在写代码、做表格、整理报告时把小错误滚成大偏差。自回归模型并非不能纠错，但纠错往往依赖外部提示、额外反思步骤或另一个验证器；扩散语言模型如果能把“编辑旧答案”变成内生能力，就有机会把纠错动作做得更自然。
LLaDA 2.2 的四类原子编辑操作，听起来像文本处理里的基础动作，放到 Agent 系统里却很像一套任务维护机制。KEEP 对应保留已确认正确的信息，SUBSTITUTE 对应替换错误判断，DELETE 对应清理无效分支，INSERT 对应补充缺失步骤。长程任务并不是线性作文，而是一张会不断变化的工作草稿。模型能够在草稿上反复改写，意味着它更适合处理研究检索、代码修复、复杂报告生成、数据分析和多工具协作这类需要中途校验的任务。对使用者来说，这比单次回答更漂亮更重要，因为真实生产要的是少返工、少跑偏、能收口。
Agent基础设施正在补齐
同一批重点资讯里，SearchOS 的出现也说明 Agent 竞争正在从“模型聪不聪明”转向“系统能不能稳”。人大和蚂蚁开源的 SearchOS 给搜索智能体补上上下文管理、流水线调度、工具中间层和搜索技能库，瞄准的是长程检索任务里的状态丢失、重复查询和信息遗漏。它和 LLaDA 2.2 放在一起看很有意思：一个从模型生成机制上强化自我编辑，另一个从系统框架上强化协作调度，二者共同指向 Agent 产品最缺的一块——持续、可靠、可复盘地完成复杂任务。
开发者工具方向也出现了相似信号。围绕 Agent 搜索、Skill 定制、目标定义和代码协作的讨论越来越多，说明行业已经意识到，只靠更大的模型并不能自动带来更好的工作结果。用户真正需要的是一套从目标澄清、资料检索、任务拆解、执行验证到结果交付的闭环。扩散模型的自我修正能力，如果能和 SearchOS 这类系统层框架结合，未来的 Agent 可能不再只是“会调用工具的聊天机器人”，而更像一个带有任务记忆、流程管理和质量门禁的工作系统。
模型成本和开源生态继续施压
模型路线变化背后，还有一个更现实的变量：成本。Polsia 的案例很直接，这家几乎没有全职员工的 AI 初创公司，曾经每月烧掉约 120 万美元 AI 账单，后来使用中国开源模型把月度成本降到约 10 万美元，降幅超过九成。这个故事不只是“开源模型便宜”，而是提醒所有 AI 应用公司：如果推理成本不可控，再好的产品想象都会被账单拖垮。Agent 任务越长、工具调用越多、上下文越大，成本压力越明显。
Kimi K3、Boogu-Image-0.1、LLaDA 2.2 等开放模型连续出现，把开源生态的竞争推向了更高参数规模、更长上下文、更低训练成本和更细分能力。应用公司会越来越少只问“哪个模型最强”，而是改问“哪个模型在我的场景里足够强、足够便宜、足够可控”。这也是 LLaDA 2.2 的潜在价值：如果扩散式生成能在长程任务里保持更高吞吐和更强修正能力，它对企业 Agent 的吸引力就不只是技术新鲜感，而是可能落到单位任务成本、失败率和交付稳定性上。
世界模型把AI拉向真实环境
除了语言模型，世界模型和具身智能也在快速补短板。智在无界发布 Being-H0.8，把触觉融入“预测—执行—反馈”链路，让模型在精细操作中能进行接触预判和实时调整；北大、清华、北航、上交、中科大联合发布 TriWorldBench Challenge，用三视角同步任务评估机器人世界模型；LeCun 团队的 VISReg 则试图解决 JEPA 世界模型中的表征坍塌问题。这些进展共同说明，AI 正在从会说、会写、会搜，走向对环境、动作和反馈的更深理解。
这和 Agentic 扩散模型并不割裂。语言 Agent 需要在信息世界里不断修正任务草稿，机器人和世界模型则需要在物理世界里不断修正动作计划。前者面对的是搜索结果、代码仓库、业务文档和工具返回值；后者面对的是物体接触、空间关系、动作偏差和环境变化。两条线最后都会汇合到同一个问题：AI 能不能在不确定环境中持续行动，并根据反馈调整自己。只有补上这个能力，Agent 才能从“看起来聪明”变成“真的能接活”。
应用落地开始进入筛选期
应用层也在给模型能力施加压力。支付宝推出“颜选好物”AI购物服务，试图让 AI 进入消费决策上游；智诊科技的 WiseDiag V3 和好伴 AI 把医疗 AI 从单次问答推进到持续服务；Kando AI 拿到种子轮融资，定位“决策领域的 Cursor”，强调记忆、后训练和反馈闭环；Spectro Cloud 则从 GPU 管理切入，把企业算力利用率和本地推理成本作为卖点。这些案例分布在购物、医疗、决策、基础设施等不同场景，但共同点是都不再满足于做一个会聊天的入口。
接下来，AI 产品会进入更残酷的筛选期。用户会关心它能不能减少真实工作量，企业会关心它能不能降低成本、提高转化或压缩交付周期，开发者会关心它能不能被稳定集成进现有系统。LLaDA 2.2 代表的 Agentic 扩散路线，SearchOS 代表的系统框架，Polsia 案例代表的成本约束，以及世界模型方向代表的环境理解，拼起来就是 AI 行业的新门槛：模型要能修正，系统要能调度，成本要能承受，场景要能闭环。谁能把这四件事同时做好，谁才有机会把 Agent 从热门概念变成真正可持续的生产力。
