DiffusionGemma 開源：Google 把影像擴散技術搬進語言模型，推理速度快 4 倍
重點摘要
Google DeepMind 在 6 月 10 日開源 DiffusionGemma 26B-A4B，把影像擴散技術搬進語言模型：每次前向傳播同時生成 15–20 個 token，H100 上跑出每秒 1000+ tokens，比同尺寸自回歸模型快 4 倍。速度有代價：輸出品質低於標準 Gemma 4。
Google DeepMind 在 6 月 10 日把 DiffusionGemma 26B-A4B 掛上 Hugging Face，授權 Apache 2.0，任何人都可以下載、修改、商用。論性能排名，這個模型拿不到第一，但技術路線和現有大型語言模型都不一樣：它把影像擴散的邏輯搬進語言生成，生成方式從序列推進改成整塊並行替換。
速度數字
每次前向傳播，DiffusionGemma 同時生成 15 到 20 個 token。傳統自回歸模型每次只產一個。在 NVIDIA H100 上，這個差異換算成每秒 1000+ 個 token；跑在消費端的 RTX 5090 上，也有 700 tokens/秒。官方數字是比同等規模的自回歸模型快 4 倍。
架構是 26B 參數的混合專家模型，但每次推理只啟動 3.8B，從 128 個專家裡選 8 個。用 NVFP4 數值格式，對顯示記憶體的需求比實際參數量輕得多。
文字擴散的邏輯
影像擴散模型從雜訊開始，一輪一輪把圖片去噪出來。DiffusionGemma 把這個邏輯搬進語言生成：先在回應框架裡填滿隨機詞彙，再透過迭代把位置不確定的 token 替換成合理的詞，每一輪整個文字塊同時更新。
傳統自回歸模型的瓶頸在於每一步生成都依賴前一步的輸出，序列依賴讓並行化幾乎無從下手。文字擴散把這個依賴關係改成塊狀更新，在長上下文場景下吞吐量明顯上升。DiffusionGemma 最長支援 256K token 的上下文。
代價與背景
速度有代價。相比標準 Gemma 4，DiffusionGemma 的輸出品質偏低，在需要精確推理的任務上差距更明顯。Google 自己也把它定位成實驗性模型。
這條路線有根。2025 年 5 月，Google 曾發布過實驗版 Gemini Diffusion，測試後沒有正式推出。這次 DiffusionGemma 是在 Gemma 4 26B-A4B 架構上重建，打包成開源權重放出來。NVIDIA NIM 平台也提供免費調用。
開源這個動作比較值得關注。Google 把一個在推理速度上有明顯優勢的模型直接放進公開生態，研究者和工程師現在可以直接拿來改。文字擴散這個技術路線在 2025 年還算邊緣，進入 2026 年之後，已經有足夠多的具體數字讓人認真看待。
模型支援文字、圖片、影片輸入，35 種以上語言，上下文最長 256K token。
如果這篇對你有幫助，訂閱電子報 可以第一時間收到 AI PM 實戰洞察與 GenAI 落地案例。
相關資料
相關文章
AI 代理的「DNS」誕生：Google 聯合 11 家大廠推出 ARD 開放標準
Google、Microsoft、Hugging Face 聯合 11 家科技大廠，在 6 月 17 日發布 ARD（Agentic Resource Discovery）開放規格。AI 代理從此能用自然語言查詢，在執行期動態找到正確工具，就像 DNS 讓瀏覽器自動找到伺服器，結束「手動安裝再使用」的時代。
Google Antigravity CLI 正式上線：Gemini CLI 今日停服
Google Antigravity CLI 6 月 18 日正式取代 Gemini CLI，免費用戶即時失去訪問。Apache 2.0 開源工具在一年多後走入歷史，AI 編程工具市場全面進入閉源時代。