Beobachtetes Signal · 4. Aug. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 4/5 · Sentiment: Positiv
DiffusionGemma beschleunigt LLM-Inferenz durch diskrete Diffusion
Google DeepMind hat DiffusionGemma veröffentlicht, ein Open-Weight-Sprachmodell, das Text per diskreter Diffusion anstelle der klassischen Token-für-Token-Autoregressivität generiert. Dem Bericht zufolge erreicht das Modell auf einer einzelnen H100 im Schnitt rund 20 Token pro Forward-Pass und circa 1.500 Ausgabetoken pro Sekunde, verglichen mit etwa 303 Token pro Sekunde bei einer autoregressiven Gemma-4-Baseline. DiffusionGemma entrauscht eine 256-Token-Canvas in rund zwölf Schritten und tauscht dabei einen höheren Rechenaufwand pro Schritt gegen deutlich weniger Forward-Passes ein. Das Modell arbeitet bei niedriger Concurrency und Latenz-sensitiven Workloads schneller, schneidet jedoch bei Capability-Benchmarks schwächer ab (beispielsweise AIME 2026: 69,1 gegenüber 88,3 bei Gemma 4 MTP). Zu den Einschränkungen zählen kürzere Ausgaben, gelegentliches Token-Stuttering und ein nachlassender Durchsatzvorteil bei größeren Batches. Das Modell ist unter der Apache-Lizenz verfügbar, mit Referenzunterstützung in Hugging Face Transformers und vLLM.
Ein technisches Release von Google DeepMind, das einen fundamental anderen Inferenzansatz mit messbaren Geschwindigkeits- und Durchsatz-Trade-offs sowie einer Open-Weight-Implementierung demonstriert und somit LLM-Infrastrukturen sowie Latenz-sensitive Workflows beeinflussen kann.
Marktsignale zu Google DeepMind in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Google DeepMind veröffentlichte DiffusionGemma, ein Open-Weight-Sprachmodell auf Basis diskreter Diffusion.
- Laut Bericht erzielt DiffusionGemma auf einer einzelnen H100 rund 20 Token pro Forward-Pass und ca. 1.500 Ausgabetoken pro Sekunde.
- Ein vergleichbares, autoregressives Gemma-4-Setup erreicht im selben Benchmark etwa 303 Token pro Sekunde.
- DiffusionGemma entrauscht eine 256-Token-Canvas in etwa zwölf Denoising-Schritten mittels parallelem Block-Denoising.
- Das Modell erzielt niedrigere Werte bei Capability-Benchmarks (AIME 2026: 69,1 vs. Gemma 4 MTP: 88,3; LiveCodeBench v6: 69,1 vs. 77,1; GPQA Diamond: 73,2 vs. 82,3).
Verknüpfte Unternehmen
2 verknüpfte Unternehmen“Google DeepMind published DiffusionGemma this week, an open-weight language model that generates text with discrete diffusion instead of the...”
“An Apache-licensed model with reference support in Hugging Face Transformers and vLLM gives the community a real baseline to profile, break,...”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google DeepMind veröffentlicht DiffusionGemma als Alternative zu traditionellen LLM-Architekturen
Google DeepMind hat mit DiffusionGemma ein innovatives Text-Diffusion-Sprachmodell vorgestellt, das das konventionelle autoregressive Next-Token-Generierungsverfahren (von links nach rechts) von Transformer-basierten LLMs herausfordert. Die Ausgabe #878 des Newsletters The Sequence analysiert dieses Modell im Rahmen einer Serie über Alternativen zu klassischen Transformer-Architekturen. Dabei wird der Frage nachgegangen, ob die Textgenerierung zwangsläufig dem traditionellen Ein-Token-nach-dem-anderen-Paradigma folgen muss. Die Veröffentlichung markiert einen potenziellen Wendepunkt in der KI-Forschung, da sie neue Wege jenseits der etablierten Standardmodelle aufzeigt. Der Artikel wurde am 17. Juni 2026 publiziert und bietet tiefgehende Einblicke in die zugrundeliegende Methodik sowie deren langfristige technologische Implikationen.
Google DeepMind veröffentlicht multimodale Open-Weight-Modelle der Gemma-4-Familie
Google DeepMind hat Gemma 4 vorgestellt, eine neue Familie von Open-Weight-Modellen unter einer Apache-2.0-Lizenz mit nativer Unterstützung für Text, Vision und Audio. Das Line-up umfasst ein 31B-Dense-Modell, eine 26B-MoE-Variante sowie zwei Edge-fokussierte Modelle (E4B, E2B). Die großen Modelle unterstützen Kontextfenster von bis zu 256K Token und wurden für Agenten-Workflows sowie lokale Deployments optimiert. Erste Benchmarks zeigen eine starke Performance bei Reasoning und Token-Effizienz. Zudem gab es einen Day-0-Support in gängigen Serving-Stacks wie llama.cpp, Ollama, vLLM und LM Studio. Die Veröffentlichung markiert einen signifikanten Fortschritt für On-Device-Agents und Open-Agent-Architekturen.
Google veröffentlicht Gemma 4: Open-Weight-LLMs für Edge und Cloud
Google hat im April 2026 Gemma 4 vorgestellt, eine Familie offener, multimodaler Large Language Models unter der Apache-2.0-Lizenz. Die vier Varianten E2B, E4B, 26B MoE und 31B ermöglichen die vollständige Offline-Ausführung auf lokalen Geräten wie Smartphones und Laptops. Die kleineren Modelle unterstützen ein Kontextfenster von 128.000 Token, während die größeren Varianten 256.000 Token bewältigen. Gemma 4 bietet erweiterte Funktionen wie Function Calling, agentenbasierte Workflows, multimodale Vision- und Audio-Eingaben sowie einen Thinking Mode für schrittweises Reasoning. Die Veröffentlichung legt den Fokus auf lokale, kostenfreie Inferenz ohne Cloud-Gebühren sowie auf maximale Datensouveränität für Entwickler. Dank gängiger Runtimes wie Ollama und LM Studio gestaltet sich die Bereitstellung unkompliziert. Architektonische Innovationen bei der Skalierung langer Kontexte ermöglichen eine effiziente On-Device-Inferenz für breite kommerzielle Anwendungen ohne laufende API-Kosten.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.