Команда inclusionAI опубликовала открытую языковую модель LLaDA 2.2 Flash под лицензией Apache-2.0. Главной особенностью релиза стал отход от авторегрессионного вывода по одному токену. LLaDA использует диффузионный механизм маскированного уточнения (mask-refinement), генерируя ответ блоками и устраняя шум в неточных фрагментах.
Такой подход позволяет модели оценивать и корректировать предыдущие строки непосредственно во время вывода. На Hugging Face подтверждены способы локального развертывания через vLLM и SGLang с поддержкой OpenAI-совместимого API.
Разработчикам следует учитывать аппаратные требования: размер весов составляет 206 гигабайт, что требует мощного GPU-кластера. При развертывании через Transformers требуется флаг trust_remote_code=True, что обязывает проводить предварительный аудит кода перед запуском в изолированных средах.

