谷歌发布开源 DiffusionGemma，速度 4 倍但品質落後 Gemma 4

Google DeepMind 於 6 月 10 日正式發布並開源 DiffusionGemma，作為 Gemma 4 開源家族的新成員。DiffusionGemma 採用擴散式文字生成架構，結合混合專家（MoE）設計。所有已公布的公開基準測試中，DiffusionGemma 的分數均低於標準 Gemma 4。

官方速度測試數據與硬體規格

根據 Google 官方公布的確認數字：

速度測試（Google 官方，非第三方驗證）

Nvidia RTX 5090（消費級）：約 700 token/秒

Nvidia H100（資料中心級）：突破 1,000 token/秒

自評倍率：約為同尺寸自迴歸 Gemma 模型的 4 倍

架構與參數

總參數量：260 億（26B）

推論時活躍參數量：38 億（3.8B）

VRAM 需求：可在 18GB VRAM 高階顯示卡上執行（量化版本尤其如此）

最大平行處理：一次最多同時處理 256 個 token

授權：Apache 2.0

生成機制：擴散式與自迴歸的核心差異

標準自迴歸模型按序逐字生成，每個 token 依賴前一個的計算結果，瓶頸在記憶體頻寬——每輸出一個 token 就需要從記憶體讀取一次模型權重。

DiffusionGemma 的流程不同：先在整塊輸出區域鋪上佔位 token，進行多趟去噪，每趟讓所有位置的 token 同時更新互相修正，直到整塊內容收斂為最終輸出。這種算力密集型的平行計算方式，使瓶頸從記憶體頻寬轉向 GPU 算力，更充分利用現代 GPU 的並行能力。

Google 在官方文件中舉例，DiffusionGemma 在解數獨類型的非線性邏輯任務上具有結構性優勢，因為此類任務的正確解答往往涉及複雜的位置間依存關係，自迴歸的線性生成方式天然受限。

基準測試結果：所有已公布測試分數均低於 Gemma 4

Google 在發布資料中確認，所有已公布的公開基準測試中，DiffusionGemma 的分數均低於標準 Gemma 4。這意味著，4 倍的速度提升伴隨著生成品質的系統性下降。BlockTempo 文章指出，此取捨對不同應用情境有截然不同的含義：對延遲敏感或需大批次輸出的場景，速度優勢是實際的；對品質要求較高的任務，標準 Gemma 4 目前仍更可靠。

Google 官方列舉的 DiffusionGemma 適用場景包括：行內編輯（in-line editing）、分子序列生成、數學繪圖，以及涉及複雜邏輯依存關係的非線性任務。

常見問題

DiffusionGemma 和標準自迴歸語言模型在生成機制上有何本質不同？

標準自迴歸模型逐字線性生成，每個 token 依賴前一個的結果。DiffusionGemma 先在整塊輸出區域鋪滿佔位 token，進行多趟去噪，每趟讓所有位置同時更新，最終一次輸出整段定稿，生成邏輯更接近 Stable Diffusion 生成影像的方式。

DiffusionGemma 在本地可以跑在什麼硬體上？

根據 Google 官方說明，DiffusionGemma 可在 18GB VRAM 的高階顯示卡上執行，量化版本尤其如此。Google 官方測試顯示，消費級 Nvidia RTX 5090 可達每秒約 700 個 token，但上述數字為 Google 自評，非第三方獨立驗證。

DiffusionGemma 的速度數字是否已通過第三方驗證？

尚未。BlockTempo 原文明確說明，所有速度測試數字均來自 Google 官方測試，非第三方獨立驗證，不同場景、不同生成長度下的實際倍率可能與官方數字有落差。