Google DeepMind 在 6 月初悄悄开源了一个”非主流”模型：DiffusionGemma。说它”非主流”，是因为它不走传统大语言模型的 token-by-token 自回归路线，而是像图像生成模型那样——从噪声开始，逐步去噪，一次性生成整段文本。这个 260 亿参数的 MoE 模型在 Apache 2.0 协议下发布，可以在本地 GPU 上运行，生成速度比标准 Gemma 4 快 4 倍。
扩散模型做文本：怎么做到的？
传统 LLM（如 GPT、Gemini）是一字一字地”写”文本——每生成一个 token 都要依赖前面所有 token。DiffusionGemma 换了一条完全不同的路径：
- 并行生成：一次性在”画布”上放置大量占位 token，然后在多轮迭代中去噪精炼
- 双向注意力：模型可以同时看到文本的所有部分，允许实时插入修正和复杂格式
- 速度优势：在专用 GPU 上可达 1000 token/秒，是传统自回归模型的 4 倍
这个思路最早在 Google I/O 2025 上以 Demo 形式亮相——当时一个模型在屏幕上”瞬间填满整段文字”的演示让观众惊呼。一年后，它变成了一个可以下载的 26B 模型。
优点很突出，缺点也很明显
速度是 DiffusionGemma 最大的卖点。在需要快速生成大量文本的场景——比如实时翻译、代码补全、聊天机器人——4 倍速度提升意味着用户感知的延迟几乎消失。而且因为是开源（Apache 2.0）且可在本地运行，开发者可以自由部署和微调，不需要依赖云端 API。
但 Google 也坦诚地公布了短板：在 所有已发布的基准测试中，DiffusionGemma 都低于标准 Gemma 4。速度换来了质量妥协——对于需要高准确度的任务（如数学推理、事实核查），它还不适合作为主力模型。Google 将其定位为”实验性”项目，而非生产级产品。
对开发者意味着什么？
DiffusionGemma 的真正价值不在于”取代现有模型”，而在于开辟了一种新的文本生成范式。对于以下场景，它可能比传统 LLM 更有优势：
- 本地实时应用：需要低延迟的端侧 AI（游戏 NPC 对话、实时字幕）
- 批量文本生成：需要快速生成大量草稿的内容生产流程
- 研究探索：AI 研究人员可以基于扩散架构探索新的模型设计方向
对普通用户来说，DiffusionGemma 目前更像一个技术预览而非实用工具。但它证明了一件事：AI 文本生成的未来不一定只有”一字一句”这一条路。扩散模型这条”弯路”，可能正在变成一条新赛道。
开源 AI 模型的生态正在快速分化。想发现最适合你需求的 AI 工具？访问 AI Dash —— 发现最好用的AI工具。