Google、拡散型テキスト生成の実験的オープンモデル「DiffusionGemma」を公開

Googleは2026年6月10日、テキスト拡散（text diffusion）方式を採用した実験的なオープンモデル「DiffusionGemma」を公開した¹²。通常のLLMが採用する自己回帰型の逐次的なトークン生成とは異なり、テキストブロック全体を同時に生成するアプローチで、GPU上で最大4倍高速なテキスト生成をうたう¹。Apache 2.0ライセンスで提供され、モデルウェイトはHugging Faceから入手できる¹。

Googleはこのモデルを、既存の自己回帰型Gemma 4を置き換えるものではなく補完する位置づけとしており¹、品質より速度を優先する用途に向けた選択肢として提示している。

画像生成のように「全体を一度に描いて磨き上げる」

DiffusionGemmaの生成プロセスは、画像の拡散モデルに似ている。まず「ランダムなプレースホルダートークンのキャンバス」から開始し、複数のパスを重ねて正しいトークンを確定させ、確定したトークンをコンテキストの手がかりとして残りを洗練していく¹。1トークンずつ順番に書き進めるのではなく、文章全体を一度に下書きして段階的に仕上げていくイメージだ。

これを支えるのが双方向アテンション（Bi-directional attention）で、1回のフォワードパスで256トークンを並列に生成する¹²。

性能とアーキテクチャ - 推論時はアクティブ3.8Bの26B MoE

性能面では、NVIDIA H100単体で毎秒1000トークン以上、コンシューマー向けのNVIDIA GeForce RTX 5090でも毎秒700トークン以上の生成速度を実現したとしている¹²。

アーキテクチャは26BパラメータのMixture of Experts（MoE）モデルで、推論時にアクティブになるのは3.8Bパラメータのみ¹。量子化すればハイエンドのコンシューマー向けGPUが持つ18GB VRAMの制限内に収まるとされ、ローカル環境での実行を意識した設計になっている¹。

デプロイ手段としてはMLX、vLLM、Hugging Face Transformersに対応するほか、Gemini Enterprise Agent PlatformのModel GardenやNVIDIA NIM経由でも利用できる¹。

品質とのトレードオフを明示 - Apple Siliconでは恩恵なし

注目すべきは、Google自身が制限事項を明確に示している点だ。公式ブログは「DiffusionGemmaの全体的な出力品質は標準のGemma 4より低い」と明記し、最高品質が求められる用途には標準のGemma 4のデプロイを推奨している¹。

また、速度向上の恩恵は専用GPUに限られ、Apple SiliconのMacのようなユニファイドメモリアーキテクチャでは得られないという¹。適した用途としては、インライン編集や高速な反復のような、速度が重要なインタラクティブでローカルなワークフローが挙げられている¹。

拡散型のテキスト生成は研究分野として以前から探求されてきたが、Apache 2.0ライセンスの実用規模なオープンモデルとして重みまで公開される例はまだ少ない。速度と品質のトレードオフを踏まえた上で、まずは手元のGPUで試してみたい開発者にとっては扱いやすいリリースといえる。モデルの詳細はGoogle公式ブログ¹を、ウェイトはHugging Faceで確認できる。