Google apresenta DiffusionGemma para resultados AI mais rápidos

A Google disponibilizou o DiffusionGemma, um modelo AI que aposta em gerar o resultado em paralelo para velocidades ultrarrápidas nas respostas.

A Google lançou o DiffusionGemma, um novo modelo experimental de inteligência artificial que promete velocidades muito superiores às dos modelos tradicionais. Ao contrário dos sistemas mais comuns, que geram os resultados de texto de forma sequencial, palavra a palavra, o DiffusionGemma cria um bloco completo de texto de uma só vez e depois vai refinando o conteúdo em várias etapas até obter uma resposta legível.

Esta abordagem baseia-se num método inspirado nos modelos de difusão utilizados na geração de imagens. Em vez de construir frases de forma sequencial, o sistema começa com texto aleatório e corrige gradualmente os erros até produzir um resultado coerente. Segundo a Google, esta técnica permite aumentar significativamente a velocidade de geração.

Introducing DiffusionGemma, our first exploration with open diffusion text generation models

🔥Generate blocks of text at a time
🤏26B MoE built on top of Gemma 4
⚡️Up to 4x faster in popular consumer GPUs
🤗Apache 2.0

Excited to see what the community builds with it! pic.twitter.com/zros8uvBsi

— Omar Sanseviero (@osanseviero) June 10, 2026

O DiffusionGemma pode ser até quatro vezes mais rápido do que os modelos tradicionais em determinados cenários. Os testes internos apontam para velocidades superiores a 1.000 tokens por segundo em hardware NVIDIA H100 e cerca de 700 tokens por segundo numa GeForce RTX 5090. O modelo utiliza uma arquitectura Mixture-of-Experts (MoE) com 26 mil milhões de parâmetros, embora apenas uma parte seja activada durante a execução para reduzir os requisitos computacionais (18GB VRAM).

Apesar do desempenho impressionante, a Google reconhece que a qualidade das respostas ainda não atinge o nível do Gemma 4. Por esse motivo, o DiffusionGemma é apresentado como uma plataforma experimental direccionada para investigadores e programadores. A tecnologia mostra potencial especialmente em tarefas estruturadas, como programação, preenchimento de ficheiros JSON, resolução de problemas lógicos e operações matemáticas, onde a capacidade de analisar o resultado como um todo pode oferecer vantagens significativas.