# DiffusionGemma：用扩散模型做文本生成，速度比同尺寸自回归模型快4倍

> 原标题：DiffusionGemma：文本生成速度提升4倍的开源扩散模型

- 来源：AI HOT 精选
- 发布时间：2026-06-10T16:24:11.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/37373
- 原文：https://deepmind.google/blog/diffusiongemma-4x-faster-text-generation

## 摘要

Google DeepMind 开源了 DiffusionGemma，一个用扩散模型（就是像画图 AI 那样从噪声里逐步去噪）来生成文字的模型。它不再一个字一个字往外蹦，而是一次性并行去噪出整段文本，所以延迟大幅降低，官方说比同尺寸的自回归模型快 4 倍。权重、代码和训练配方都放上了 Hugging Face。不过正文没披露具体的模型参数量、评测基准和...

## 推荐理由

Google DeepMind把扩散模型搬到了文本生成上，不是逐词蹦字，而是一次性并行去噪出整段，延迟降了4倍，这个数字挺诱人。全开源，代码和训练配方都有，从业者能直接上手验证。我会先打个折，因为正文没披露模型参数量、具体评测基准，没法判断实际效果和适用范围，但方法本身够新，对做推理优化的人是个强信号。

## 锐评

这条消息最值得看的是思路切换：不再让模型一个字一个字往外蹦，而是像 AI 画图那样，从一堆噪声里一次性“去噪”出整段回答。官方说比同尺寸的自回归模型快 4 倍，这对需要低延迟的场景（比如实时对话、批量生成）是个实打实的提升。

不过现在能判断的东西有限。正文没披露模型具体参数量、在哪些基准上测的、以及生成质量跟传统方法比是持平还是打折。4 倍这个数字也得看跟谁比——如果对比的是没做推理优化的自回归模型，那水分就大了。另外扩散模型在长文本上的连贯性一直是个坑，这篇博客没提他们怎么解决的。

我的建议是先别激动，等论文或技术报告出来再看质量数据和长文本表现。如果质量没明显掉队，这种生成方式对做实时应用的人来说确实能省不少推理成本。