趋势解读:Google's new open model DiffusionGemma generates text from,提升开发者接入体验
Google发布实验性扩散语言模型DiffusionGemma,一次生成256个token,速度比传统模型快4倍,质量稍低但适合非线性任务,已在H100上达到1000 token/s。
原贴
查看原文原文
中文翻译
Google 发布了 DiffusionGemma,这是一种实验性语言模型,它使用基于扩散的方法生成文本,一次生成 256 个标记的块,而不是逐字生成文本。通过并行处理令牌,该模型可以更好地利用图形处理器,在专用 GPU 上以单用户模式运行时,速度比传统模型快四倍。虽然生成的文本质量低于传统模型,但该方法特别适合非线性任务,例如事后插入文本或填充程序代码中的空白。谷歌发布了一个具有开放权重的实验模型,该模型通过扩散而不是逐字生成文本。在单个 GPU 上,它在单用户模式下的运行速度比经典语言模型快四倍。 Nvidia 负责优化。大多数语言模型会生成一个又一个标记,每个新标记都基于前一个标记。 DiffusionGemma 采用了不同的方法。它从 256 个随机占位符标记块开始,并通过多次迭代对其进行细化,直到出现可读文本。这个想法来自图像人工智能,其中扩散模型将噪声转化为清晰的图像。该模型总共有 260 亿个参数,但每步仅激活 38 亿个参数。这要归功于专家混合架构,其中几个专门的子网络并排放置,只有正确的子网络才会根据输入启动。据谷歌称,当量化到较低精度时,该模型适合高端消费 GPU 上的 18 GB VRAM。它建立在 Gemma 4 系列的基础上,并借鉴了 Google 早期关于 Gemini Diffusion 的研究的扩散过程。 Nvidia 表示,速度优势取决于硬件的使用。对于自回归模型,单用户推理通常会受到内存带宽的瓶颈。 GPU 的计算单元大部分时间处于闲置状态,只是等待内存中的数据。工程师将此称为内存限制。 DiffusionGemma 通过并行处理多达 256 个令牌来回避这个问题,将瓶颈推向原始计算。结果是 GPU 实际上保持忙碌。 Nvidia 报告在处理单个请求时,H100 上每秒大约 1,000 个令牌,DGX Spark 桌面系统上每秒 150 个令牌,DGX Station 上每秒高达 800 个令牌。在 GeForce RTX 5090 上,Google 声称每秒有超过 700 个令牌。在本地单用户模式下,该模型在专用 GPU 上的运行速度比同类自回归模型快约四倍。谷歌将这种效果与专用加速器联系起来。在像 Apple Silicon 这样的共享内存设置上,它们在推理过程中通常会受到内存带宽的限制,与自回归模型的差距可能更小。在具有许多并行请求的云服务中,优势发生了逆转。谷歌表示,在这种情况下,自回归模型已经让硬件变得繁忙,因此 DiffusionGemma 实际上会推高成本。 DiffusionGemma 用输出质量换取速度。当质量最重要时,Google 仍然推荐常规 Gemma 4 模型,并将 DiffusionGemma 定位为研究人员和开发人员尝试本地快速工作流程的工具。 Google 认为真正的优势在于无法从左到右完成的任务。由于模型会同时考虑整个区块,因此每个代币都可以在生成过程中引用所有其他代币,包括后来出现的代币。传统的语言模型只能向后看。
核心信息
Google发布实验性扩散语言模型DiffusionGemma,一次生成256个token,速度比传统模型快4倍,质量稍低但适合非线性任务,已在H100上达到1000 token/s。
- Google发布扩散文本模型DiffusionGemma,一次生成256个token。
- 单用户模式下速度提升4倍,适合本地快速推理。
- 质量低于传统模型,但擅长代码填充等非线性任务。
- MoE架构,260亿参数每步仅激活38亿。
- 云端高并发场景可能成本更高,需按需选用。
详细解读
这是什么信号:Google发布DiffusionGemma,一种采用扩散方法的文本生成模型,一次性生成256个token,区别于自回归逐字生成。这标志着文本生成领域对扩散路线的探索,可能改变低延迟本地推理的格局。
为什么重要:速度提升核心:单用户专用GPU上比类似自回归模型快约4倍,H100达到1000 token/s。使得实时本地应用(如代码补全、文本编辑)成为可能,尽管生成质量较低,但速度优势可覆盖非关键任务。
对谁有价值:研究人员、开发者及需要快速原型的团队。MoE架构使消费级GPU(如RTX 5090)可运行,适合代码填充、段落插入等非线性任务,降低实验门槛。
可以怎么行动:立即下载开放权重模型,在本地测试代码补全或简单文本生成,对比质量与速度。关注Nvidia优化版本,在RTX 5090上已超700 token/s。优先用于内部工具或原型,平衡质量与速度。
风险或限制:输出质量不如自回归模型,不适合高精度场景。云端多请求场景成本可能升高,因自回归模型已充分利用硬件。模型仍实验性,建议避免生产依赖。
信息差价值
信息差价值:大部分技术关注自回归缩放,DiffusionGemma展示了扩散路线在文本生成上的可行性,可能成为低成本本地AI基石,尤其边缘设备。
业务启发:可加速内部工具如代码补全、模板填充,速度提升直接缩短等待,开放权重降低试验成本。
可沉淀动作:在开发环境部署模型,测试典型用例(代码生成、文档改写),记录速度与质量,建立评估指标,分享实验结果形成技术储备。