Modelle · Google DeepMind
DiffusionGemma: Google lässt Text aus dem Rauschen entstehen — und verspricht das Vierfache an Tempo
Am 10. Juni hat Google DeepMind DiffusionGemma veröffentlicht — ein experimentelles Diffusions-Sprachmodell mit offenen Gewichten unter Apache-2.0-Lizenz. Technisch ist es ein Mixture-of-Experts-Modell mit rund 26 Milliarden Parametern auf Basis des Gemma-4-Backbones, von denen pro Inferenzschritt nur 3,8 Milliarden aktiv sind. Es steht auf Hugging Face, im Google Cloud Model Garden und über NVIDIA NIM bereit; quantisiert läuft es in 18 GB Grafikspeicher — also auf einer besseren Consumer-GPU.
Das Besondere ist die Generierungsmethode. Autoregressive Modelle wie GPT, Claude oder das normale Gemma erzeugen Token einzeln und nacheinander; DiffusionGemma startet stattdessen mit einem „Canvas“ aus 256 Platzhalter-Token und verfeinert alle gleichzeitig über mehrere Entrauschungs-Schritte — Blöcke werden anschließend aneinandergekettet. Weil dabei jedes Token alle anderen sieht (auch die „zukünftigen“), kann das Modell Lücken mitten im Text füllen und sich selbst korrigieren — Dinge, die autoregressiven Modellen strukturell schwerfallen. Google verspricht „bis zu 4x schnellere Textgenerierung auf GPUs“: über 1.000 Token pro Sekunde auf einer H100 (das normale Gemma 4 liegt laut The Decoder bei rund 300), über 700 auf einer RTX 5090. NVIDIA lieferte am selben Tag einen eigenen Blogpost mit Day-1-Optimierungen für die gesamte Hardware-Palette.
Die Einschränkungen benennt Google ungewöhnlich offen selbst: Die Ausgabequalität liegt unter Standard-Gemma-4, für die Produktion bleibt das klassische Modell empfohlen. Und der Tempovorteil gilt vor allem für Einzelnutzer-Szenarien — lokal, am Edge, in latenzkritischen Anwendungen. In der Hacker-News-Diskussion (279 Punkte) wiesen Kommentatoren darauf hin, dass Cloud-Anbieter ihre GPUs ohnehin durch das Bündeln vieler paralleler Anfragen auslasten; dort schrumpft der Diffusions-Vorteil deutlich. Als Einsatzfelder werden eher Linting, Unit-Tests, Boilerplate-Code und Edge-Geräte gehandelt.
Ganz neu ist das Paradigma nicht — und DiffusionGemma ist auch nicht das erste offene Diffusions-LLM eines großen Labors: NVIDIA veröffentlichte bereits Ende Mai seine Nemotron-Diffusionsmodelle, das Startup Inception Labs verkauft mit Mercury seit 2025 ein kommerzielles Diffusionsmodell, und Google selbst zeigte auf der I/O 2025 die geschlossene Demo „Gemini Diffusion“. Neu ist die Kombination: das bislang größte offene Diffusions-Sprachmodell, vom Erfinder des Gemma-Ökosystems, mit nativem Support in vLLM, Transformers und MLX ab Tag eins. Damit wandert die Technik vom Forschungspapier in den Werkzeugkasten — sie reiht sich in die Welle offener Modelle ein, über die wir gestern berichteten.
Warum das strategisch zählt, wer sonst noch an Text-Diffusion arbeitet und was das für Latenz, API-Preise und Produktentscheidungen bedeutet, analysieren wir ausführlich in der heutigen Reportage.
- Google Blog — DiffusionGemma: 4x faster text generation
- NVIDIA Technical Blog — Run DiffusionGemma on NVIDIA
- The Decoder — Google's new open model DiffusionGemma generates text from noise
- Google Developers Blog — DiffusionGemma: The Developer Guide
- Hacker News — DiffusionGemma: 4x Faster Text Generation