Google 推出 DiffusionGemma 開放實驗模型，文字生成速度提升 4 倍

Google DeepMind 於 2026 年 6 月 10 日正式發布 DiffusionGemma，這是 Google 第一款採用「擴散技術」（Diffusion）進行文字生成的開放實驗模型。與傳統自迴歸（Autoregressive）模型逐詞從左到右生成的方式不同，DiffusionGemma 可以一次生成整段文字，大幅提升推理速度。

DiffusionGemma 建立在 Gemma 4 系列與 Gemini Diffusion 研究之上，採用 26B Mixture-of-Experts（MoE）架構，推論時僅激活約 3.8B 參數。
其最大特色在於使用「擴散」機制進行文字生成：

• 模型會先建立一個充滿隨機佔位符的「文字畫布」。
• 透過多次迭代優化，逐步修正文字內容。
• 具備雙向注意力（Bidirectional Attention），能同時考量整段文字的上下文。
• 支援自我修正機制，可在生成過程中即時修復錯誤。

這種方式特別適合需要非線性處理的任務，例如程式碼補全、即時編輯、數學圖形推理等。

根據 Google 公布的數據，DiffusionGemma 在 GPU 上的推理速度最高可比傳統自迴歸模型快 4 倍。量化後的版本可在高階消費級 GPU（如 RTX 5090）上運行，VRAM 需求約 18GB。
Google 表示，該模型特別適合以下場景：

• 本地端互動式應用
• 即時程式碼生成與編輯
• 低延遲的單用戶工作流程

不過，Google 也坦言，DiffusionGemma 在部分基準測試中的輸出品質仍略低於標準 Gemma 4 模型，因此建議在需要最高品質的應用中，仍優先使用傳統 Gemma 4。

DiffusionGemma 已正式開放，採用 Apache 2.0 授權，使用者可自由使用、修改與商業化。目前可在以下平台取得：

• Hugging Face：google/diffusiongemma-26B-A4B-it
• Google Cloud Model Garden
• NVIDIA NIM
• vLLM
• llama.cpp（即將支援）

傳統大型語言模型大多採用自迴歸架構，一次只能生成一個 token，這在單一 GPU 的本地環境中效率較低。DiffusionGemma 則借鏡圖像生成領域的擴散模型概念，將文字生成轉為「平行處理整段文字」的模式。 Google 研究團隊指出，這種架構在互動式 coding、即時編輯，以及需要雙向上下文理解的任務上，具有明顯優勢。