← Alle Modelle

DiffusionGemma

Veröffentlicht Herausgeber Google

Einordnung

DiffusionGemma ist ein experimentelles multimodales Open-Weights-Modell von Google DeepMind für schnelle Textgenerierung, insbesondere bei lokaler Nutzung und geringer Parallelität. Die untersuchte, instruktionsoptimierte Version heißt diffusiongemma-26B-A4B-it. Die Gewichte stehen unter Apache 2.0. Google kündigte das Modell am 10. Juni 2026 an. (blog.google)

Architektur und Fähigkeiten

  • Gemma-4-basierte Mixture-of-Experts-Architektur mit laut Modellkarte 25,2 Milliarden Parametern insgesamt und 3,8 Milliarden aktiven Parametern pro Inferenz; Kontextlänge bis zu 256.000 Token. (ai.google.dev)
  • Diskrete Textdiffusion verfeinert Blöcke von bis zu 256 Token iterativ und parallel; längere Ausgaben entstehen blockweise. Text, Bilder und Videos können eingegeben werden, die Ausgabe ist Text. Audioeingaben werden nicht unterstützt. (ai.google.dev)
  • Unterstützt unter anderem Bild- und Videoverständnis, Codegenerierung und -ergänzung, Funktionsaufrufe sowie einen konfigurierbaren Thinking-Modus. (ai.google.dev)
  • Google berichtet unter bestimmten GPU-Bedingungen von bis zu vierfach schnellerer Textgenerierung; quantisiert passt das Modell laut Google in 18 GB GPU-Speicher. Die tatsächliche Geschwindigkeit hängt von Hardware und Arbeitslast ab. (blog.google)

Einsatz und Grenzen

Geeignet ist das Modell für interaktive lokale Anwendungen, Inline-Bearbeitung, Codeergänzung, Zusammenfassungen und Forschung zu Diffusionsmodellen. Laut Google ist die allgemeine Ausgabequalität geringer als bei regulärem Gemma 4; für höchste Qualität empfiehlt Google das Standardmodell. Bei hoher Cloud-Parallelität kann der Geschwindigkeitsvorteil abnehmen und die Bereitstellung teurer werden. Antworten können fehlerhaft, veraltet oder verzerrt sein und sollten geprüft werden. (blog.google)

Preise

Ein offizieller modellspezifischer API-Preis für Eingabe- und Ausgabetoken sowie eine zugehörige Währung konnten nicht verifiziert werden. Die offenen Gewichte können selbst bereitgestellt werden; dabei können Infrastrukturkosten entstehen. Googles allgemeine Gemini-API-Preise dürfen nicht ohne Weiteres auf dieses Modell übertragen werden. Recherche- und Prüfdatum: 16. November 2026. (ai.google.dev)

Offizielle Quellen