Simon Willison Blog·2026年6月11日 05:00·約1分で読める

DiffusionGemma：Google の高速テキスト生成モデルが再登場

#LLM #Diffusion Model #Open Source #NVIDIA NIM #High Performance

TL;DR

Google が実験モデルだった Gemini Diffusion を Apache 2 ライセンスのオープンウェイトモデル「DiffusionGemma」として公開し、NVIDIA のクラウド API で高速度推論が可能になった。

AI深層分析2026年6月11日 06:11

重要/ 5段階

深度40%

キーポイント

オープンソース化とライセンス

Google は実験段階だった Diffusion モデルを、Apache 2 ライセンスの「DiffusionGemma-26B-A4B-it」として Hugging Face で公開した。

NVIDIA NIM による高速度推論

NVIDIA のクラウド API を活用することで、実質的に 500 トークン/秒以上の高速なテキスト生成が可能となっている。

実証されたパフォーマンス

Simon Willison氏の検証では、複雑な画像生成プロンプトに対して約 4.4 秒で 2,409 トークンを出力し、その速度を実証した。

影響分析・編集コメントを表示

影響分析

このニュースは、Google が長期間静かにしていた Diffusion 技術の実用化を完了させたことを示しており、特にオープンソースコミュニティと NVIDIA エコシステムが連携することで、高速な生成 AI の利用ハードルが大幅に低下した点で重要です。開発者はライセンスの制限なくこのモデルを利用でき、NVIDIA のインフラを通じて即座に高性能な推論環境を構築できるため、実装とプロトタイピングのスピードが加速すると予想されます。

編集コメント

実験段階で終わったと思われた技術が、オープンソース化とクラウドインフラの連携によって即座に実用レベルとして復活した事例は貴重です。特に「Apache 2 ライセンス」かつ「NVIDIA NIM で無料ホスティング」という組み合わせは、開発者にとって最大の恩恵となるでしょう。

DiffusionGemma

昨年 5 月、Google は実験的な Gemini Diffusion モデルを短時間だけ公開しました。当時私はそのプレビューを試して記録を残していますが、その時の処理速度は 1 秒あたり 857 トークンでした。非常に魅力的なモデルでしたが、Google はその後これに関する追加発表を行いませんでした。

しかし、この研究が最善の形で復活しました。新しいオープンウェイト（Apache 2 ライセンス）の Gemma モデルとして登場したのです。それが google/diffusiongemma-26B-A4B-it です。

現在、NVIDIA はこのモデルを自社の NIM クラウド API で無料でホストしています。私はこの API を使用して、このペリカン（アジサシ）の画像を生成しました。その結果はこちらですが、生成には 4.4 秒かかりました（time uv run generate.py の計測による）。これは 2,409 トークンを返したことになります。つまり、少なくとも 1 秒あたり 500 トークンの速度です。

Via Hacker News

Tags: google, ai, generative-ai, llms, nvidia, pelican-riding-a-bicycle, gemma, llm-release, llm-performance

原文を表示

DiffusionGemma

Last May Google briefly released an experimental Gemini Diffusion model. I tried the preview at the time and recorded it running at 857 tokens/second. It was an exciting model, but Google made no further announcements about it.

That research has returned in the best possible way: as a new open weight (Apache 2 licensed) Gemma model, google/diffusiongemma-26B-A4B-it.

NVIDIA are currently hosting the model for free on their NIM cloud API. I used that API to generate this pelican, which took 4.4s (according to time uv run generate.py) to return 2,409 tokens - so at least 500 tokens/second.