Szczegóły modelu
LLaDA2.2-flash
Status: AktywnyW trendach Hugging Face
Profil techniczny
Kluczowe dane modelu
Pokazujemy wyłącznie dostępne, potwierdzone informacje.
- Modalność
- Tekst → tekst
- Główne zadanie
- Generowanie tekstu
- Biblioteka
- Transformers
Opis modelu
LLaDA2.2-flash to model językowy o orientacji agentowej w serii LLaDA2. Wprowadzając Levenshtein Editing (z kontrolnymi tokenami DELETE i INSERT) do modelowania języka dyfuzyjnego, stanowi pierwszy krok serii LLaDA2 w zastosowaniach agentowych, w tym w użyciu narzędzi o długim kontekście, interakcji wieloetapowej i solidnej korekcji błędów. Aby uzyskać więcej informacji, zapraszamy do zapoznania się z naszym raportem technicznym. ? Benchmarki Poniższe tabele porównują LLaDA2.2-flash i Ling-2.6-flash pod względem wyników benchmarków agentowych i przepustowości (TPS).
| Benchmark | LLaDA2.2-flash | Ling-2.6-flash |
|---|---|---|
| SWE-bench Verified | 49.28 | 61.20† |
| SWE-bench Pro | 30.10 | 31.88 |
| SWE-bench Multilingual | 25.00 | 33.73 |
| τ²-Bench | 80.33 | 76.36† |
| Claw-Eval | 64.22 | 64.56† |
| PinchBench | 81.66 | 81.30† |
| MCP-Atlas | 46.21 | 41.12 |
| BFCL-V4 | 60.78 | 66.81 |
> Ustawienia oceny LLaDA2.2-flash: Seria SWE-bench była oceniana przy użyciu szkieletu Claude Code. We wszystkich benchmarkach użyliśmy okna kontekstowego 128K z temperature=1.0, block_length=32, threshold=0.5 i editing_threshold=0.0. Każdy wynik reprezentuje średnią z pięciu uruchomień. † Wynik Ling-2.6-flash na SWE-bench Verified pochodzi z Raportu Technicznego Ling i Ring 2.6, gdzie został uzyskany przy użyciu szkieletu OpenHands. Wyniki Ling-2.6-flash na τ²-Bench, Claw-Eval i PinchBench również pochodzą z raportu technicznego, podczas gdy jego wyniki SWE-bench Pro i SWE-bench Multilingual były oceniane przez nas przy użyciu tego samego szkieletu Claude Code co LLaDA2.2-flash.
| Benchmark | LLaDA2.2-flash (TPS) | Ling-2.6-flash (TPS) |
|---|---|---|
| SWE-bench Verified | 519.0 | 303.2 |
| SWE-bench Pro | 485.3 | 283.4 |
| SWE-bench Multilingual | 459.5 | 200.6 |
| τ²-Bench | 592.8 | 334.9 |
| BFCL-V4 | 703.82 | 331.5 |
> Ustawienia oceny Ling-2.6-flash: MTP był włączony z 4 tokenami roboczymi. Więcej wyników zostanie opublikowanych w nadchodzącym raporcie technicznym.
Warianty do uruchomienia
Brak potwierdzonych danych o wariantach do pobrania. Nie zastępujemy brakujących wartości zerem ani szacunkiem VRAM.
Ostatnia aktualizacja: 2026-08-18
Szybka opinia
Czy ten model pomógł Ci w realnym zadaniu? To zajmuje jedno kliknięcie. Szczegółowa ocena jest opcjonalna.
Brak szybkich opinii.
API i ceny
Ceny API są źródłowymi stawkami dostawcy, przeliczonymi na PLN według ostatniego zapisanego kursu średniego USD NBP. Stawki tokenowe pokazujemy za 1 mln tokenów. Dla obrazu, wyszukiwania, cache, reasoning i żądań zachowujemy jednostkę przekazaną przez API.
Ceny są przeliczone na PLN według ostatniego zapisanego średniego kursu NBP USD z 2026-08-17.
Brak aktualnej, porównywalnej oferty API.
Język polski
Wsparcie języka polskiego: deklarowane. Jakość języka polskiego: NIEZWERYFIKOWANA.
Dyskusja o modelu
Komentarze dotyczące praktycznego użycia tego modelu.
Dyskusja jest chwilowo niedostępna.
Historia modelu
Wykres pokazuje wyłącznie porównywalne punkty głównego rankingu. Tabela zawiera wynik, pozycję, dane źródłowe i stan każdego dnia.
Brak danych porównywalnych
Historia wyniku AI-TOP
Wykres pojawi się po zapisaniu co najmniej dwóch porównywalnych pomiarów.
Brak zapisanych obserwacji tego modelu.