6 月 11 日，Google 正式开源了基于离散扩散（Discrete Diffusion）技术构建的文本生成模型 DiffusionGemma 。其基于 Gemma 4 系列领先行业的「参数效率智能性」（intelligence-per-parameter）以及前沿的 Gemini Diffusion 研究成果打造，并集成了全新的扩散解码头（Diffusion Head），以最大化生成速度。与传统大模型逐 Token 输出文本不同，其能够同时生成整个文本块，并通过多轮并行去噪不断优化结果，从而实现最高 4 倍的生成速度提升。

官方数据显示，DiffusionGemma 在单张 NVIDIA H100 GPU 上可实现超过 1100 Token/s 的生成速度，在 GeForce RTX 5090 上也能达到 700 Token/s 以上，远超同级别自回归模型。

从架构来看，DiffusionGemma 采用 26B 参数级别的混合专家（MoE）设计，总参数量约为 252 亿，但推理过程中仅激活 3.8B 参数，在保持较强推理能力的同时显著降低计算开销。模型基于编码器-解码器结构构建，结合双向注意力机制，能够一次并行处理 256 个 Token，并支持文本内联编辑、代码补全、数学结构生成等对全局上下文依赖较强的任务。

此外，DiffusionGemma 还支持最高 256K Token 长上下文、多模态图文输入以及通过 <|think|> 激活的推理模式，为开发者探索新一代高效率 AI 应用提供了全新的技术选择。

尽管 Google 仍强调标准版 Gemma 4 在生成质量上更适合作为生产环境方案，但 DiffusionGemma 所展示的扩散式文本生成能力，或许正在为大语言模型的发展打开另一条值得关注的新路线。

为了便于开发者低门槛体验 DiffusionGemma，HyperAI 在模型开源后快速跟进，目前已经上线了易于部署的 Notebook，基于单卡 NVIDIA RTX Pro 6000 即可验证模型强大能力。

在线运行：https://go.hyper.ai/879dB

更多在线教程：

https://hyper.ai/notebooks

Demo 运行

1. 进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「DiffusionGemma：基于离散扩散的高速文本生成模型」，点击「运行此教程」。

2. 页面跳转后，点击右上角「Clone」，将该教程克隆至自己的容器中。

注：页面右上角支持切换语言，目前提供中文及英文两种语言，本教程文章以英文为例进行步骤展示。

3. 选择「NVIDIA RTX Pro 6000」以及「vLLM」镜像，点击「Continue job execution（继续执行）」。

4. 等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace 。

效果展示

1. 页面跳转后，点击左侧 README 文件，进入后点击上方 Run（运行）。

2. 待运行完毕后，点击右侧 API 地址即可打开 Demo 界面。