谷歌发布 DiffusionGemma 开源模型：基于文本扩散机制，本地推理速度飙升 4 倍 - 果核剥壳

6 月 11 日，谷歌正式发布公告，推出基于文本扩散机制的全新开放 AI 模型——DiffusionGemma。与当前主流的自回归模型（如 GPT、Gemini）不同，该模型在本地推理速度上实现了 4 倍的提升。

当前主流大模型采用的自回归架构按从左到右顺序逐个生成 Token，虽在云端批处理中效率较高，但在本地推理时易受内存带宽限制，造成计算资源浪费。DiffusionGemma 引入的扩散机制则另辟蹊径，通过从噪声中逐步去噪的方式并行处理所有 Token，并在生成过程中不断优化整体输出质量。这种机制在本地低带宽计算环境下展现出了显著的推理速度优势。

开源与质量： DiffusionGemma 以 Apache 2.0 许可证在 Hugging Face 开源。其能力与 Gemma 4 相当，但推理效率大幅跃升。得益于扩散架构，该模型支持迭代优化，能在生成时主动纠错，输出更稳定一致。其采样速度高达 1479 tokens/秒，初始开销仅 0.84 秒。

性能表现：

代码生成： LiveCodeBench 达 30.9%，BigCodeBench 达 45.4%，HumanEval 达 89.6%，与 Gemini 2.0 Flash-Lite 互有胜负。

数学推理： 表现亮眼，在 AIME 2025 基准中取得 23.3%，超越对比模型的 20.0%，凸显了扩散架构在推理任务上的潜力。

存在短板： 科学推理（GPQA Diamond）和复杂推理（BIG-Bench Extra Hard）得分分别为 40.4% 和 15.0%，明显低于对比模型的 56.5% 和 21.0%。

硬件加速： 英伟达在官方博文中指出，DiffusionGemma 的扩散设计能充分发挥其 GPU Tensor Core 的并行计算能力。在单块 H100 GPU 上生成速度达 1000 tokens/秒；在 DGX Station 上高达 2000 tokens/秒；在 DGX Spark 上则为 150 tokens/秒，整体速度约为同等条件下自回归模型的 4 倍。