2026年6月10日，谷歌联合英伟达扔出一个“重磅炸弹”：开源模型DiffusionGemma。它完全颠覆了传统大模型一个字一个字往外蹦的写作方式，而是像AI绘画那样，从一团随机噪声里一步步“变”出完整的文本段落。测试显示，在单块英伟达H100显卡上，它每秒能吐出1000个标记——足足是同类老模型的近4倍。即使换成RTX 5090这样的消费级显卡，也能轻松跑出每秒700多个标记。
这到底是怎么做到的？以前的大模型生成文字，必须按顺序来：先猜第一个字，再猜第二个，只能往后看，不能回头改。DiffusionGemma却把图像AI领域流行的“扩散机制”移植了过来。简单说，它先随机产生一堆毫无意义的词块（好比一团模糊的色块），然后通过一次次迭代优化，让这些词块逐渐变得有意义、有逻辑。神奇的是，它一次能并行处理256个词块，所有词块之间可以互相“商量”、互相引用，而不是傻等前一个词决定之后才行动。
由于这个特性，DiffusionGemma在“填空”和“补全”类任务上表现惊人。比如代码里的空缺、文章中间被挖掉的一段、甚至数独游戏里的空格——它都能直接“看到”上下文，给出靠谱的答案。研究人员还拿它试了氨基酸序列预测，效果也不错。相比之下，传统模型只能强行往后推，遇到需要“回头”看的地方就抓瞎。
当然，有得必有失。DiffusionGemma拥有260亿参数，但每次推理只激活38亿（靠的是混合专家架构，MoE），算力消耗不大。不过在标准文本质量测试中，它写得不如同样谷歌出品的Gemma 4系列流畅、准确。谷歌自己也很坦诚：这不是用来取代Gemma 4的，而是一次“技术实验”。
目前，模型权重已按Apache 2.0协议在Hugging Face上完全开源，并且兼容vLLM、MLX等主流推理框架。这意味着任何开发者都能下载、运行，甚至改造它。英伟达的深度优化也让算力瓶颈不再是问题：过去GPU的内存带宽常常拖慢推理速度，现在由于扩散模型并行输出的特性，这个限制被大大缓解。
一句话总结：谷歌和英伟达联手打开了一扇新大门——未来AI写文章、补代码、解谜题，可能都不需要再按“顺序”办事了。这项技术如果继续迭代，或许将彻底改变我们对生成式AI的认知。