Google DeepMind 开源实验性扩散文本模型 DiffusionGemma，主打本地推理速度
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用 26B 总参数、激活 3.8B 参数的 MoE 架构，并基于 Gemma 4 系列与 Gemini Diffusion 研究改造而来。
推荐理由：DiffusionGemma 用扩散生成替代逐 token 自回归，文章交代了它在本地推理下相对 Gemma 4 的速度与质量权衡。
Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用 26B 总参数、激活 3.8B 参数的 MoE 架构，并基于 Gemma 4 系列与 Gemini Diffusion 研究改造而来。
推荐理由：DiffusionGemma 用扩散生成替代逐 token 自回归，文章交代了它在本地推理下相对 Gemma 4 的速度与质量权衡。