Googleの実験作DiffusionGemma:「最大4倍速」の代償は、Google自身が認める品質低下
- Google自身が「出力品質は通常のGemma 4より低い」と明言し、品質重視の用途にはGemma 4を推奨。それでも専用GPUで「最大4倍」の速さをうたう、割り切った実験的テキスト拡散モデルです
- 速度の数字は自己申告で複数並びますが、品質低下がどれほどかを示す数字は1つもありません
- 方式は256トークンのブロックを一括生成して磨き上げるテキスト拡散。H100で1000+トークン/秒、RTX 5090で700+トークン/秒と主張——いずれも自己申告で、測定方法は非公開
- 速さが効くのはローカル・低並列の推論だけ。高QPSのクラウドではむしろコスト増になり得ると同社が認め、Apple Siliconでは加速しない可能性も脚注に明記
- 発表は2026年6月10日。26B総パラメータ/推論時3.8Bアクティブ(MoE)で、量子化すれば18GB VRAMに収まるとする自己申告スペック。重みはHugging FaceでApache 2.0公開と説明しています(公開の事実は本文からは未確認)
「最大4倍速い。ただし品質は下がる」——Googleが自分で言った
「最大4倍速い」とうたい、同じ発表文の中で「出力品質は通常のGemma 4より低い」と自ら認める——Googleが2026年6月10日に発表したテキスト拡散モデルDiffusionGemmaは、そんな異例のリリースです。ベンダーが発表文で自分の弱点を先に言うのは珍しく、しかも速度の数字はいくつも並ぶのに、品質を測るベンチマークは1つも載っていません。
発表は研究者のBrendan O'Donoghue氏とSebastian Flennerhag氏による署名記事で、NVIDIA、Hugging Face、Unsloth、Red Hat(vLLM)がパートナーとして名を連ねます。ふつうの大規模言語モデルと違い、このモデルは文章を1トークンずつ書きません。まとまったブロックをいっぺんに下書きし、何度かの手直しで仕上げる——「テキスト拡散」という方式です。位置づけは明確に「実験段階」で、狙いは手元のGPU1枚で動かすスピード重視のインタラクティブな用途。品質が大事な用途にはGemma 4を使ってほしい、というのがGoogle自身の推奨です。これはベンダーが自社に不利なことを認めた発言で、発表文に直接書かれた確認済みの事実です。
タイプライターと印刷機:1トークンずつ書くのをやめる
従来のLLMは「自己回帰型」、つまり左から右へ1トークンずつ書き、新しいトークンは常にそれまでの全部に依存します。タイプライターのようなものです。この方式の隠れたボトルネックは計算力ではなくメモリです。1トークン吐くたびにGPUはモデルの重みをメモリから引っ張り出して待つ——「メモリ帯域律速」と呼ばれる状態で、GPUの計算ユニットの多くは遊んでいます。
DiffusionGemmaは、画像生成AIと同じ発想でこれを崩します。まず256トークン分のブロックをノイズ(でたらめなプレースホルダー)として一括で置き、数回のパスでブロック全体を磨き上げて文章にしていく、とGoogleは説明します。1回のパスで256トークンをまとめて処理するので、GPUを計算で埋め尽くせる——これが速さの理屈です。
自己回帰型がタイプライターなら、拡散型は印刷機です。1文字ずつ打つ代わりに、ページ全体をぼやけた状態で一度に刷り、版を重ねるたびに焦点が合っていく。Stable Diffusionのような画像生成AIが砂嵐から絵を浮かび上がらせるのと同じ理屈を、文章でやるわけです。
この方式にはもうひとつの副産物があります。ブロック内では各トークンが前後どちらのトークンも見られる「双方向アテンション」になるため、コードの穴埋めや文中編集のように「後ろの文脈が前を縛る」タスクに有利だ、とGoogleは主張します。デモとして、Unslothによるファインチューン版が数独(自己回帰型が苦手とするパズル)を解く例も紹介されていますが、これは第三者の改造版によるデモであって、成功率などの測定値は示されていません。
では、この理屈は実際どれくらい速いのか。ここからが数字の話ですが、その数字には全部、同じ注意書きが付いています。
H100で1000+ tok/s(自己申告)——でもMacとクラウドでは話が変わる
発表の看板は「専用GPUで最大4倍の生成速度」です。ただし最初に言っておくと、この記事に出てくる性能数字は全部Googleの自己申告で、ベンチマークの方法も比較対象のモデルも設定も公開されていません。「up to(最大)」という留保つきの数字です。
モデルはMixture of Experts(MoE)構成です。多数の小さな専門家サブネットワークの集合体で、1回の推論で動くのは一部だけ。総パラメータは26Bでも実際の計算量は3.8B相当なので、量子化(重みを4ビットなどの少ないビット数で保存する圧縮技術)すれば18GBのVRAMに収まる、とGoogleは述べています。ハイエンドの民生GPUに載る計算ですが、18GBという数字は量子化版限定で、非量子化時の必要メモリは書かれていません。
そして肝心なのは、この速さが「どこでも」効くわけではないことです。Google自身の説明と脚注から、環境ごとの見え方を整理します。
| 実行環境 | Googleの説明 | 出所の性質 |
|---|---|---|
| NVIDIA H100(専用GPU) | 1000+ tok/s、最大4倍速 | ベンダー自己申告(方法非公開) |
| GeForce RTX 5090(民生GPU) | 700+ tok/s、量子化で18GB VRAMに収まる | ベンダー自己申告 |
| Apple Siliconなど統合メモリ機 | 加速が得られない可能性あり | Google自身の脚注(事実として明記) |
| 高QPSのクラウドサービング | 並列デコードの利得は逓減し、コストがむしろ増え得る | Google自身の説明(事実として明記) |
自己回帰型が遅い本当の理由は「GPUが暇だから」です。1人のユーザーが手元のGPUで使うとき、タイプライター方式はGPUの計算力を持て余します。拡散型はその空きを256トークン分の並列計算で埋めるので速い。ところがクラウドの高QPS(1秒あたりの同時リクエスト数)環境では、サーバーが大勢のユーザーの要求を束ねて処理するため、GPUは最初から満員です。空席がなければ、席を埋める技は効きません——むしろ手数が増える分、損になり得るわけです。
「最速のモデル」という問いの答えが、走らせる場所に依存するようになりました。手元のGPU1枚では勝つ設計が、クラウドの大規模サービングでは負け得る——これはGoogle自身が発表の中で認めている構図です。ローカルAIユーザーの大きな割合を占めるApple Silicon Macで加速しない可能性も、同社の脚注に明記されています。
ただし、この発表で本当に注意すべき空白は、速度の条件ではありません。品質を測る数字が、1つも載っていないことです。
品質のベンチマークは、1つも載っていない
この発表でいちばん目を引くのは、実は数字ではなく「載っていないもの」です。速度の数字はいくつも並ぶのに、MMLUのようなスコアや対戦勝率といった品質の評測は、発表のどこにも1つもありません。
代わりにあるのが、Google自身の率直な但し書きです。DiffusionGemmaの総合的な出力品質は標準のGemma 4より低い、品質が重要なアプリにはGemma 4を推奨する——ベンダーが自社製品について言うにしては異例に正直で、だからこそ信用できる記述です。ただし「どれだけ低いのか」を測る物差しは提供されていないので、4倍の速さと引き換えに何を失うのかは、外部の検証を待つしかありません。
ほかにも、計画と実績の区別が必要な点があります。NVFP4という4ビット量子化は「ほぼ無損失の精度」でより高速に動くとされますが、精度がどれだけ落ちるかの数値はありません。サービングはMLX、vLLM、Hugging Face Transformersに対応する一方、ローカル推論の定番であるllama.cppのサポートは「近日中」——つまりまだ存在しない計画です。「Gemma 4ファミリーの業界最高水準のパラメータあたり知能の上に構築」という一節も、マーケティングの言い回しとして聞いておくのが妥当でしょう。
速度の数字は全部自己申告、品質の数字はゼロ——「4倍速」は品質という値札のない取引です。
それでもこれは、テキスト拡散の「公開実験」として価値がある
数字が自己申告だらけでも、この公開には確かな意味があります。テキスト拡散はこれまで、Google自身のGemini Diffusion研究を含めて研究室の中の話で、大規模モデルで実用に耐えるかは外部から確かめようがありませんでした。オープンウェイトで出たことで、速度の主張も品質の落差も、誰でも自分のGPUで検証できるようになります。
もし速度の主張が第三者の検証で裏づけられれば、文中編集、コードの穴埋め、対話型エージェントといった「反応の速さが命」の用途が、民生GPU1枚で体感的に一瞬になります。逆に品質の落差が大きければ、テキスト拡散はまだ研究段階だという結論になる。どちらに転んでも、答え合わせができること自体が前進です。
DiffusionGemmaは「Gemma 4より速くて良いモデル」ではありません。Google自身の言葉を素直に読めば、「特定の場所(ローカルの専用GPU)でだけ速く、品質は確実に劣る実験機」です。注目すべきは、拡散型が自己回帰型を置き換えるかではなく、補完する道具として実用ラインに乗るかどうか。鍵は2つ——自己申告の「最大4倍・1000+ tok/s」を第三者がどこまで追認するか、そして数字のない品質低下が実際どの程度か。始まったのは「新本命モデルの時代」ではなく、その答え合わせを誰でもできる公開実験です。