Google开源DiffusionGemma：文本扩散模型速度提升4倍，消费级显卡就能跑

Google 终于放了一个大招。

6月11日，Google 正式发布 DiffusionGemma——基于文本扩散机制的开放 AI 模型。不是传统的自回归架构，而是把图像扩散的那一套搬到了文本生成上。结果是：本地推理速度直接提升 4 倍。

核心看点

1. 什么是文本扩散？

传统的大语言模型（GPT、Gemini、Claude）都是自回归模型——从左到右，逐 token 生成，就像打字机一样一个字母一个字母往外蹦。

DiffusionGemma 不一样。它同时并行生成整块文本，然后逐步优化输出质量。就像画家先画整体轮廓，再慢慢细化细节。

2. 速度有多快？

• RTX 5090 消费级显卡：约 700 token/秒
• 单张 Nvidia H100：突破 1000 token/秒
• 同等规模自回归 Gemma 模型的 4 倍速度

3. 参数效率

DiffusionGemma 采用 混合专家架构（MoE）：

• 总参数 26B
• 实际激活仅 38 亿参数
• 18GB 显存即可运行

这意味着普通用户的高端游戏 PC 就能本地跑起一个强大的 AI 模型。

深度分析

为什么这很重要？

自回归模型有一个根本瓶颈：生成速度受限于序列长度，越长越慢。扩散模型摆脱了这个枷锁，让本地 AI 部署真正具备了实用价值。

开源策略

DiffusionGemma 采用 Apache 2.0 许可证开源，建立在 Gemma 4 的”每参数智能水平”之上，吸收了 Gemini Diffusion 的前沿研究成果。Google 这是在用开源换生态——用速度优势吸引开发者和企业。

对行业的冲击

如果扩散模型在文本生成上被证明可行，整个 LLM 架构都可能被改写。想象一下：你的本地 AI 助手每秒输出 1000 个 token，实时对话、代码生成、文档撰写——零延迟。

总结

DiffusionGemma 可能是 2026 年最重要的 AI 架构创新之一。它不只是在 Gemma 家族上加了个新成员，而是提出了一种全新的文本生成范式。

Google 用”像赛马一样快”来形容它的速度。而更令人期待的是：如果扩散模型在文本上成立，GPT 们的自回归霸权还能维持多久？