DiffusionGemmaとは？Google拡散型テキスト生成AI・H100毎秒1000トークン超・Gemma 4との違いを徹底解説【2026年6月】

DiffusionGemmaは、Google DeepMindが2026年6月10〜11日に公開した拡散型テキスト生成AI（Diffusion LLM）のオープンウェイトモデルです。従来の自己回帰型LLMが1トークンずつ順番に生成するのに対し、256トークンを並列・反復生成することでH100上で毎秒1,000トークン超・最大4倍速を実現しています。

ただし「4倍速」はH100・RTX 5090などのハイエンドGPUをシングルユーザーで専有した場合に限った話です。Apple SiliconやクラウドのマルチユーザーAPIでは速度優位性はほぼありません。本記事では、どの環境で速いのか・Gemma 4との品質差・実際の用途への向き不向きまでを、公式情報をベースに整理します。

この記事でわかること:

• DiffusionGemmaの仕組みと自己回帰型との根本的な違い
• GPU別速度ベンチマーク（H100 / RTX 5090 / DGX Station等）
• 「速い環境」「速度優位が薄い環境」の具体的な整理
• Gemma 4との品質ベンチマーク比較（MMLU Pro / AIME 2026等）
• ライセンス・動作要件・使い方（Hugging Face / vLLM / Unsloth GGUF）
• こんな人におすすめ / 向いていない人

対象読者: ローカルLLMの推論速度改善を検討している開発者・研究者、Gemma系モデルのユーザー、拡散型LLMに初めて触れる方

DiffusionGemmaとは

DiffusionGemmaは、Google DeepMindが生成AIの次世代アーキテクチャとして研究してきたテキスト拡散（Text Diffusion）を、初めて本格的なオープンウェイトモデルとして一般公開したものです。内部ではGemini Diffusionと呼ばれる研究の知見をベースにしており、Gemma 4のアーキテクチャと組み合わせて設計されています。

出典: Google AI for Developers 公式

基本情報（2026年6月10〜11日公開時点）

「experimental model」はGoogle公式の表記です。 Google自身が本番プロダクション品質向けではないと明記しており、品質よりも速度・研究目的を優先した公開という位置づけです。この点は導入判断で最も重要なファクトです。

自己回帰型LLMとの根本的な違い

DiffusionGemmaを理解するうえで最重要なのが、生成方式の根本的な違いです。

技術的なメカニズム（3つの核心）

① Uniform State Diffusion（ノイズ導入と除去）
元テキストをランダムトークンで置き換えてノイズを導入し、モデルがキャンバス全体を分析してノイズを段階的に除去（デノイジング）していきます。画像生成AIにおける「ランダムノイズから徐々にクリアな画像を作る」プロセスと原理は同じです。

② Block Autoregressive Denoising（ブロック自己回帰）
256トークン単位の「キャンバス」を複数連鎖させることで、最大256Kトークンという長文生成にも対応しています。

③ Self-Conditioning（自己修正）
デコーダが前ステップの確率分布を保持し、次ステップの生成に反映する自己修正機能。生成品質を反復的に改善します。

なぜ速いのか: 自己回帰型LLMは1トークン生成するたびにメモリから重みを読み出すため「メモリ帯域幅の壁」にぶつかります。DiffusionGemmaは256トークンを同時処理するため、H100のような高性能GPU（計算能力が高い）では並列処理能力をフル活用できます。

できること・主な機能

1. 超高速ローカルテキスト生成 — H100で毎秒1,000トークン超
2. コード補完・コードインフィリング — 双方向アテンションで前後のコード文脈を同時参照。自己回帰型より構造的に有利
3. インライン編集 — 既存テキストの中間部への挿入・補完（従来型LLMが苦手な非線形タスク）
4. マルチモーダル入力 — テキスト・画像（可変アスペクト比・解像度対応）・ビデオを入力として処理（出力はテキストのみ）
5. 256Kトークンの長文コンテキスト — 長文書類・長大なコードベースへの対応
6. ファインチューニング — Hackable Diffusion（JAX）/ Unsloth / NVIDIA NeMo対応
7. 思考モード（Thinking Mode） — 設定可能な推論チャネルによるステップバイステップ推論

ファインチューニングの実力例: 数独（Sudoku）タスクでは、ベースモデルのスコアは0%でしたが、教師あり微調整後に80%まで改善した実績があります。特定タスクへの適応力の高さを示す事例として、公式ドキュメントで紹介されています。

GPU別速度ベンチマーク

以下は公式ブログ・NVIDIAブログに基づく速度実績です（2026年6月時点・シングルユーザー専用環境での値）。

出典: NVIDIA Blog 公式

注意: 上記数値はすべてシングルユーザー・専用GPU環境での計測値です。マルチユーザー・バッチ処理環境では異なります。RTX 4090の具体数値は公式から確認できていません。RTX 5090と同等クラスと考えられますが、断定できるデータは現時点で未確認です。

「速い環境」と「速度優位が薄い環境」を正しく理解する

これが他記事に最も不足している実務情報です。「4倍速」という数字だけで判断すると、実際の利用環境で期待外れになる可能性があります。

DiffusionGemmaが「速い」環境

DiffusionGemmaで「速度優位がない or 薄い」環境

まとめ: DiffusionGemmaの「最大4倍速」は、ハイエンドGPUを専有できる研究者・開発者がローカル推論を行う場合に限った話です。MacユーザーやクラウドAPIユーザーは現時点で速度メリットをほとんど体感できません。

Gemma 4との比較：速度 vs 品質のトレードオフ

出典: Google公式ブログ

DiffusionGemmaのベースとなったGemma 4との比較は、導入判断で最も重要な軸です。Google公式モデルカードに掲載されたベンチマーク数値で整理します。

比較の注: ベンチマーク数値はGemma 4の26B A4Bサイズ（DiffusionGemmaと同等サイズ）との比較です。他サイズのGemma 4との比較データは現時点で未公開です。

判断のポイント:

• 数学推論（AIME 2026）と複雑推論（BigBench Extra Hard）での品質差が特に大きい（−17〜19pt）
• 汎用知識（MMLU Pro）では差が相対的に小さい（−5pt）
• 「とにかく速くテキストを生成したい」用途ではDiffusionGemmaが有利
• 「複雑な推論・数学・本番品質のコーディング」を優先するならGemma 4や他の高品質モデルが適切

競合拡散LLMとの比較

DiffusionGemmaは、業界初の大手研究ラボによるオープンウェイト拡散LLMとして注目されています。拡散型テキスト生成という新領域には、他にも競合モデルが存在します。

DiffusionGemmaの最大の差別化は「Apache 2.0でフルモデルを自由に使える」点です。Mercury 2はAPIのみで手元にモデルを持てませんが、DiffusionGemmaはダウンロードして自前インフラで動かせます。

モデルスペック詳細

MoEのポイント: 25.2Bパラメータのうち推論時に使うのは3.8B分だけ。これにより、見かけのパラメータ数よりも軽量な推論が可能です。ただし、全専門家モデルをメモリにロードするには大きなVRAMが必要になります。

推奨推論設定（公式ドキュメント）:

• 最大デノイジングステップ: 48ステップ
• 温度スケジュール: 0.8 → 0.4（線形）
• 適応的早期停止: エントロピー閾値 0.005

料金・ライセンス・動作要件

料金

DiffusionGemmaは完全無料のオープンウェイトモデルです。モデル自体に利用料はかかりません。

ライセンス（Apache 2.0）

• 商用利用: 可
• 改変・再配布: 可（ライセンス表記が必要）
• ファインチューニング後の再配布: 可
• 制限: CSAM（児童虐待素材）等の有害用途は利用規約で禁止

動作要件

「60GBと18GB」の矛盾について: 公式HFドキュメントには「60GB以上のGPU推奨」とありますが、Unsloth等のGGUF量子化版を使えば18GB VRAMでも動作します。フルモデルの高品質推論には60GB+が必要で、量子化版なら18GBというのが現時点の整理です。

使い方：主な3つの方法

方法①：Hugging Face Transformers（標準）

from transformers import DiffusionGemmaForBlockDiffusion, AutoProcessor

MODEL_ID = "google/diffusiongemma-26B-A4B-it"

# 60GB以上のGPUを推奨（量子化なしの場合）
model = DiffusionGemmaForBlockDiffusion.from_pretrained(
    MODEL_ID,
    dtype="auto",
    device_map="auto"
)
processor = AutoProcessor.from_pretrained(MODEL_ID)

専用クラス DiffusionGemmaForBlockDiffusion が必要です。通常のGemma用クラスでは動作しません。

方法②：vLLM / SGLang（OpenAI互換APIサーバー）

vLLMまたはSGLang経由でOpenAI互換のローカルAPIサーバーを立ち上げられます。既存のOpenAI API対応ツールをそのまま流用したい場合に有効です。

方法③：Unsloth GGUF版（18GB VRAM環境向け）

# Hugging FaceからGGUF版を取得
unsloth/diffusiongemma-26B-A4B-it-GGUF

Unslothチームが公式モデルの量子化版を即座に公開しています。RTX 3090・4090など18GB VRAMのGPUで試したい場合の現実的な選択肢です（量子化による品質低下が加わります）。

Blackwell GPU向け最適化版（NVFP4）

NVIDIA Blackwell GPU（RTX 50シリーズ等）向けには、NVFP4量子化版も提供されています。
nvidia/diffusiongemma-26B-A4B-it-NVFP4（NVIDIA NIM経由で利用可）

ファインチューニング

できないこと・制約・安全性

技術的な制約

① ストリーミング出力ができない
実用上で最も影響が大きい制約です。256トークン単位で一括出力するため、ChatGPTのような「リアルタイムで文字が流れてくる」表示ができません。チャットUIや対話型ツールへの組み込みには工夫が必要です。

② Apple Siliconでは速度優位性がない
Unified Memoryはメモリ帯域幅律速のアーキテクチャのため、並列計算のメリットを活かせません。Apple SiliconではGemma 4のMLX版を使う方が現実的です。

③ 音声入力に非対応
公式ドキュメントに「audio is not supported」と明記されています。

④「実験的モデル」ステータス
Google公式が本番プロダクション用途を推奨していません。重要なビジネス用途への単独利用は避け、品質の高い自己回帰型モデルとの併用を検討してください。

⑤ 品質がGemma 4より低い（公式明記）
特に数学推論（AIME 2026で−19.2pt）と複雑推論系タスク（BigBench Extra Hard で−17.2pt）での品質差が出ます。

⑥ クラウド多ユーザー環境での速度優位なし
バッチサイズ32以上ではKVキャッシュを再利用できる自己回帰型が有利になります。

安全性（公式モデルカード記載）

• 学習データのバイアス: 訓練データの偏りが出力に反映される可能性あり
• 微妙なニュアンスや皮肉の理解: 苦手なケースがある
• 事実的精度の保証なし: 生成内容のファクトチェックが必要
• CSAM対策済み: 児童虐待素材フィルタリングを実装済み
• 個人情報の自動削除処理済み: 訓練データから処理済み
• 訓練データの鮮度: 2025年1月まで（それ以降の最新情報への対応は限定的）

こんな人におすすめ / 向いていない人

出典: Wikimedia Commons

DiffusionGemmaが向いている人・ケース

DiffusionGemmaが向いていない人・ケース

よくある質問（FAQ）

Q: DiffusionGemmaは無料で使えますか？
A: はい、完全無料のオープンウェイトモデルです（Apache 2.0ライセンス）。Hugging FaceやKaggleからダウンロードでき、商用利用・改変も可能です。NVIDIA NIMやVertex AI経由で使う場合はクラウド側のAPI料金が別途発生します。

Q: MacBook（Apple Silicon）でも使えますか？
A: 動作は可能ですが、速度優位性はほぼありません。Apple Unified Memoryはメモリ帯域幅律速のアーキテクチャのため、DiffusionGemmaの並列計算のメリットを活かせません。Apple SiliconではGemma 4のMLX版を使う方が現実的です。

Q: RTX 4090で動きますか？
A: GGUF量子化版（Unsloth提供）を使えば18GB VRAMで動作するため、RTX 4090（24GB VRAM）なら動作できます。ただし、フルモデルには60GB以上のVRAMが公式推奨されています。

Q: ChatGPTやGeminiのAPIの代替になりますか？
A: 現時点では難しいです。「実験的モデル」のため品質面でGemma 4を下回ること、ストリーミング非対応、本番推奨外であることから、商用APIの代替にはなりません。高速ローカル推論・研究用途が主な適用範囲です。

Q: Gemma 4とどちらを選べばいいですか？
A: 品質重視・本番品質ならGemma 4、速度重視でハイエンドGPU環境がありローカル推論が目的ならDiffusionGemmaという棲み分けです。Gemma 4の詳細はこちらを参照してください。

Q: 拡散型LLMは将来どうなりますか？
A: DiffusionGemmaは「実験的モデル」ですが、Google内部ではGemini Diffusion（より高性能な非公開モデル）の研究も進んでいます。Mercury 2など競合を含め、拡散型LLMは2026〜2027年にかけて実用化が進む分野として注目されています。

Q: ファインチューニングで実用品質に改善できますか？
A: 特定の限定タスクであれば大幅な改善が可能です。数独タスクでは0%→80%という実績があります。ただし汎用品質での改善については、現時点でのデータが限られています。

まとめ

DiffusionGemmaは、Google DeepMindが拡散型テキスト生成AIの可能性をオープンな形で示した実験的モデルです。ハイエンドGPU環境でのローカル推論速度という点で革新的ですが、用途・環境によって評価が大きく変わります。

• 速度優位はハイエンドGPU専有環境限定 — H100で1,000トークン/秒超。Apple SiliconやクラウドAPIでは優位なし
• 品質はGemma 4より低い（公式明記） — 特に数学・複雑推論系で最大19pt差。本番用途は非推奨
• Apache 2.0でフル商用利用可 — Mercury 2（クローズド）と対照的な完全オープン設計
• 量子化版なら18GB VRAMで動作 — RTX 3090/4090クラスで試せるが、フルモデルは60GB+推奨
• コード補完・インライン編集に構造的優位 — 双方向アテンションの恩恵が出るタスク向け
• ストリーミング非対応はUX上の重要制約 — チャットUIへの組み込みには工夫が必要

生成AI全体の動向を把握したい場合は生成AIとはも参照してください。GoogleのAI推論最適化技術についてはTurboQuantとはも関連情報として役立ちます。現在公開されている生成AIツールおすすめ比較も合わせてご確認ください。