Google 开源 DiffusionGemma 模型：Apache 2.0 许可，NVIDIA 免费托管，推理速度超 500 tokens/s
Google 将去年实验性的 Gemini Diffusion 技术转化为开源 Gemma 模型 DiffusionGemma-26B-A4B-it，采用 Apache 2.0 许可，NVIDIA 提供免费 API 托管。实测推理速度超 500 tokens/s，为文本生成带来全新范式。中文用户可通过 NVIDIA NIM 直接体验，无需本地部署。
一句话看懂
Google 开源 DiffusionGemma 模型，Apache 2.0 许可，NVIDIA 免费托管，推理速度超 500 tokens/s，文本生成进入扩散模型时代。
详细发生了什么
2025 年 5 月，Google 曾短暂发布实验性的 Gemini Diffusion 模型，当时实测速度达 857 tokens/s，但之后便无下文。时隔一年，这项技术以全新姿态回归：Google 在 Hugging Face 上开源了 DiffusionGemma-26B-A4B-it 模型，采用 Apache 2.0 许可，任何人都可下载、修改和商用。
NVIDIA 同步在其 NIM 云 API 上免费托管该模型。知名开发者 Simon Willison 通过 API 生成了一个鹈鹕骑自行车的 SVG 图像（文本描述生成），耗时 4.4 秒生成 2,409 个 token，折合速度超过 500 tokens/s。这标志着扩散模型从图像生成正式跨入文本生成领域，与传统的自回归 LLM 形成竞争。
中文圈视角
国内用户能直接用吗？ 可以。NVIDIA NIM API 无需梯子即可访问，注册 NVIDIA 账号后即可免费调用。对于无法访问 Hugging Face 的用户，ModelScope 社区可能会很快镜像该模型权重。
与国产模型的对比： 目前国内主流文本生成模型（如 DeepSeek、Kimi、通义千问）均采用自回归架构。DiffusionGemma 的扩散架构在推理速度上具有天然优势（并行生成 vs 逐 token 生成），但中文能力尚需验证。考虑到 Gemma 系列本身支持多语言，中文场景值得期待。
对中文用户的具体影响： 对于需要高吞吐量的场景（如批量文本生成、实时对话系统），DiffusionGemma 的速度优势可能改变部署成本。但注意其 26B 总参数量、4B 激活参数（MoE 架构），对显存要求不低，本地运行需至少 24GB 显存。
一个盲点： 扩散文本模型在长文本连贯性和事实准确性上可能不如自回归模型，中文圈目前缺乏相关评测，建议开发者先在小规模任务上测试。
几条值得记住的细节
- 模型全称：google/diffusiongemma-26B-A4B-it，Hugging Face 可下载
- 许可证：Apache 2.0，可商用，无附加条款
- NVIDIA NIM 免费 API 地址：build.nvidia.com/google/diffusiongemma-26b-a4b-it
- 实测生成 2,409 tokens 耗时 4.4 秒，速度约 547 tokens/s
- 模型架构为 MoE（混合专家），总参数量 26B，激活参数 4B
一句话总结
DiffusionGemma 让文本生成速度翻倍，开源免费可商用，中文开发者应尽快上手测试。