DeepMind开源DiffusionGemma：每秒1000token，推理提速4倍

Google DeepMind 丢出了一枚重磅炸弹——DiffusionGemma，首个开源的文本扩散大模型。Apache 2.0 协议，vLLM 当天就出了原生支持。架构上不是自回归的一个字一个字往外蹦，而是一次生成 256 个 token 的整块，先随机填满占位符，然后逐步去噪修正成通顺的文字。关键指标：26B 总参数量（每次激活 3.8B MoE），256K 上下文窗口，RTX 5090 跑 700+ tokens/s，量化后 18GB 显存。社区反应两极分化：正方认为这是本地推理的革命，反方指出质量比自回归版本弱一档，短文本输出反而慢。

DiffusionGemma 不会取代自回归模型——质量差距短期补不上。但本地推理的拐点真的来了。对于普通用户，本地就能跑飞快模型，不用再依赖云端 API。对于开发者，vLLM 原生支持，RTX 4090 终于能跑出云端的响应速度。Google 用 Apache 2.0 把文本扩散这条路摊开了，接下来半年到一年会有更多团队跟进。