Google DeepMind lançou o DiffusionGemma em 10 de junho de 2026, um novo modelo de geração de texto que produz texto em blocos paralelos em vez de sequencialmente.
A empresa afirma que ele atinge até 1.000 tokens por segundo em hardware de GPU da Nvidia.
Segundo um relatório, benchmarks do DeepMind mostram que o DiffusionGemma roda 4x mais rápido do que os modelos autorregressivos Gemma anteriores no mesmo nível de computação. Um relatório de benchmark separado confirmou taxa de transferência de tokens 10x maior em testes de inferência de longo contexto conduzidos em hardware Nvidia.
Como funciona o DiffusionGemma
Modelos de linguagem grandes padrão geram um token por vez. O DiffusionGemma gera blocos inteiros de texto simultaneamente usando uma arquitetura baseada em difusão. A abordagem reduz drasticamente a latência para saídas longas. O DeepMind afirma que o modelo se autocorrige em formatos complexos de markdown e estruturas durante a geração.
Essa capacidade é voltada para desenvolvedores que criam assistentes de código, ferramentas de documentação e pipelines de dados estruturados. O modelo é otimizado para implantação local em GPUs Nvidia RTX de consumo e sistemas corporativos DGX.
Also Read: SpaceX’s $75B IPO May Be In Trouble As Warren Pushes SEC Delay
Contexto
O Google DeepMind lançou várias variantes do Gemma ao longo do último ano, cada uma ampliando a família de modelos de pesos abertos para diferentes casos de uso. O DiffusionGemma marca a primeira vez que o DeepMind aplica uma arquitetura de difusão à geração de texto dentro da linha Gemma.
Modelos de texto por difusão anteriores, de outros laboratórios, já mostraram vantagens de velocidade em contextos de pesquisa, mas com implantação limitada no mundo real. O lançamento do DeepMind leva essa abordagem a uma família de modelos amplamente usada, com ferramentas de desenvolvimento já estabelecidas.
O momento segue o lançamento do Claude Fable 5 da Anthropic no início desta semana, que definiu novos benchmarks em tarefas de raciocínio e programação. O foco do DeepMind na velocidade bruta de inferência em nível de hardware mira uma dimensão competitiva diferente, priorizando throughput para implantação em alto volume em vez de pontuações de benchmark.
A Nvidia se beneficia diretamente. A otimização para DGX e RTX consolida o hardware Nvidia como a plataforma padrão para inferência de modelos de fronteira em nível local.
O que vale acompanhar é a velocidade de adoção pelos desenvolvedores e se os números de throughput do DiffusionGemma se mantêm em configurações de hardware que não sejam Nvidia.
Read Next: SpaceX's $250B IPO Is Draining Crypto Liquidity, Traders Fear