12月2日，英伟达发布新型AI解码方法TiDAR，融合自回归与扩散模型机制，利用GPU‘空闲槽位’加速文本生成。该技术通过单步生成多个Token，大幅提升AI吞吐量，最高可达近600%。TiDAR创新性训练单一Transformer模型同时执行自回归预测和扩散并行起草，解决了早期扩散解码器的部署难题。测试显示，在HumanEval和GSM8K基准中，其准确率与基准模型持平甚至更高，15亿参数版本吞吐量提升4.71倍，80亿参数版本达5.91倍。但目前测试仅限于中小模型，未来需验证大规模模型上的实用性。

正文：2025年11月，何恺明团队发布新论文，提出扩散模型可能被用错的观点。研究指出，当前主流扩散模型在训练时多预测噪声或速度场，而非直接生成干净图像，这与模型本质相悖。基于流形假设，团队认为神经网络更适合学习将噪声投影回低维流形的干净数据，而非拟合高维噪声。为此，他们提出极简架构JiT（Just image Transformers），完全从像素出发，直接预测图像块，无需VAE、Tokenizer等复杂组件。实验表明，JiT在高维空间下表现稳健，在ImageNet 256×256和512×512生成任务中分别取得1.82和1.78的SOTA级FID分数。论文一作为黎天鸿，清华姚班本科毕业，现为何恺明组博士后。

2025年10月，清华大学与快手可灵团队联合发布了一种名为SVG的无VAE潜在扩散模型。该模型通过语义+细节双分支和分布对齐技术，在训练效率上提升62倍，生成速度提高35倍，解决了传统VAE因语义纠缠导致的生成效率低、多任务适配性差等问题。SVG基于DINOv3构建语义特征，并引入轻量级残差编码器补充高频细节，实验显示其在ImageNet数据集上的生成质量（FID值1.92）接近顶级模型水平，同时具备图像分类、语义分割等多任务通用能力。团队由清华博士后郑文钊领衔，相关论文已发布于arXiv，代码开源在GitHub。

正文：2025年10月，谢赛宁团队发布新研究，提出用RAE（表征自编码器）替代VAE（变分自动编码器）。RAE结合预训练表征编码器（如DINO、SigLIP、MAE）与轻量级解码器，提供高质量重建和语义丰富的潜空间，支持可扩展的变换器架构。相比VAE，RAE解决了过时骨干网络、信息压缩不足及表征能力弱等问题。实验显示，采用RAE的DiT模型在ImageNet上表现强劲，256×256分辨率下FID仅1.51，且收敛速度比基于VAE的方法快16倍。此外，宽DiT设计、噪声调度和噪声解码器等简单调整显著提升了扩散模型性能。研究论文已公开。

10月13日，蚂蚁集团开源了业界首个高性能扩散语言模型推理框架dInfer。在基准测试中，dInfer将扩散语言模型的推理速度提升10.7倍，超越英伟达Fast-dLLM框架；在代码生成任务HumanEval上，单批次推理速度达1011Tokens/秒，首次显著超越自回归模型。扩散语言模型通过“去噪”生成文本，具备高度并行、全局视野等优势，但推理效率长期受限于计算成本高等问题。dInfer通过四大核心模块针对性解决这些瓶颈，支持多种模型优化与评测。在配备8块NVIDIA H800 GPU的节点上，其速度是vLLM运行AR模型的2.5倍。蚂蚁集团表示，dInfer推动扩散语言模型迈向实践高效，邀请全球开发者共同探索AI潜能。

2025年9月，蚂蚁集团在上海外滩大会发布基于扩散理论的新范式模型LLaDA-MoE，总参数量7B，激活参数1.4B，验证了工业级大规模训练的可行性。该模型由蓝振忠和李崇轩团队联合开发，克服了自回归模型的单向建模缺陷，具备并行解码、双向建模及错误修正能力。蚂蚁通过开源基础模型版和指令微调版，推动扩散语言模型（dLLM）领域的社区协作，并计划联合学界探索AGI新突破。这一成果为语言模型研究开辟新路径，标志着国内团队在dLLM规模化扩展上迈出重要一步。

2025年9月，Meta成功从OpenAI挖走华人研究员宋飏（Yang Song），他加入Meta MSL团队并向清华校友赵晟佳汇报。宋飏是扩散模型崛起的关键人物之一，曾在OpenAI担任战略探索团队负责人，并在生成模型领域取得突破性成果，如一致性模型的开发与优化。他的研究显著提升了图像生成速度和质量，成为近年AI领域的明星成果。宋飏拥有16岁裸分考入清华的天才背景，后于斯坦福大学攻读博士并深耕生成模型技术。他曾参与NeurIPS 2019等重要研究，为扩散模型的发展奠定基础。此次跳槽引发业内震惊，多位OpenAI员工表示意外。Meta持续吸纳顶尖人才，强化其AI研发实力。

2025年9月12日，在2025Inclusion·外滩大会上，蚂蚁集团与中国人民大学联合发布业界首个原生MoE架构的扩散语言模型“LLaDA-MoE”。该模型在约20T数据上完成从零训练，验证了工业级大规模训练的扩展性与稳定性。模型将在近期完全开源，旨在推动全球AI社区在扩散语言模型（dLLM）领域的技术发展。这一成果标志着AI模型架构及训练方法的重要突破。（记者 黄心怡）

9月11日，2025外滩大会上，蚂蚁集团与中国人民大学联合发布业界首个原生MoE架构扩散语言模型LLaDA-MoE。该模型在约20T数据上完成训练，性能超越此前稠密扩散语言模型LLaDA1.0/1.5和Dream-7B，接近自回归模型Qwen2.5-3B-Instruct，并具备数倍推理速度优势。模型通过非自回归掩码扩散机制，挑战“语言模型必须自回归”的主流认知，在代码、数学等任务中表现优异。蚂蚁集团表示，模型及自研推理框架将于近期完全开源，推动全球AI社区技术发展。此外，蚂蚁将持续投入AGI领域，探索基于dLLM的未来突破路径。

2025年8月，扩散模型领域核心DiT遭网友质疑，称其数学、形式均错误，甚至怀疑其无Transformer。作者谢赛宁迅速回应，批评标题党行为并强调科学精神，指出评价需基于假设与实验。DiT融合Transformer与扩散模型，性能超越U-Net经典模型，广泛应用于图像视频生成。质疑者依据论文《TREAD》提出六点反驳，包括架构隐含特性及训练效率问题。谢赛宁否认Tread与“DiT是错的”有关，称其为正则化提升的结果，并推荐升级版Lightning DiT。他还总结团队改进方向，如内部表征学习方法REPA及相关技术优化，同时指出sd-vae是当前主要瓶颈。