> ## Content Index
> Fetch the complete content index at: https://bytevyte.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google e NVIDIA lançam DiffusionGemma para oferecer geração de texto paralela 4x mais rápida
- URL: https://bytevyte.com/google-e-nvidia-lancam-diffusiongemma-para-oferecer-geracao-de-texto-paralela-4x-mais-rapida/
- Published: 2026-06-11T13:22:57.000Z
- Updated: 2026-07-23T13:49:17.000Z
- Description: Google e NVIDIA estreiam DiffusionGemma, arquitetura que gera texto 4x mais rápido ao processar 256 tokens em paralelo.
- Author: Bytevyte Editorial
- Tags: ai-beats-pt

Google e NVIDIA revelaram o **DiffusionGemma**, um modelo aberto experimental que utiliza uma arquitetura inovadora baseada em difusão para acelerar a geração de texto em até quatro vezes em comparação com os métodos autorregressivos tradicionais. Lançado em 10 de junho de 2026, o modelo desloca o principal gargalo da inferência de grandes modelos de linguagem (LLM) da largura de banda de memória para o poder bruto de processamento (compute). Essa mudança arquitetônica permite que o DiffusionGemma gere 256 tokens em paralelo durante uma única passagem (forward pass), atingindo velocidades de mais de 1.000 tokens por segundo em hardware NVIDIA H100.

O lançamento aborda uma limitação fundamental nos sistemas de IA atuais, onde os tokens são normalmente previstos um por um. Ao integrar uma cabeça de difusão especializada na base da família **Gemma 4**, o Google DeepMind criou um sistema capaz de geração baseada em blocos. Essa abordagem é particularmente eficaz para tarefas não lineares, como preenchimento de código (code infilling) e edição de documentos complexos, onde a atenção bidirecional oferece uma vantagem de desempenho sobre o processamento padrão da esquerda para a direita.

## Especificações Técnicas e Desempenho

O DiffusionGemma é construído sobre uma arquitetura **Mixture of Experts** (MoE) de 26B, embora utilize apenas 3,8B de parâmetros ativos durante a inferência para manter a eficiência. O modelo está disponível sob uma licença de pesos abertos Apache 2.0, tornando-o acessível para aplicações empresariais e de pesquisa. Para implantações locais, o requisito de VRAM fica em aproximadamente 18GB ao usar quantização, permitindo que ele seja executado em hardware de consumo de ponta.

A NVIDIA forneceu otimização de dia zero para o modelo, garantindo que ele aproveite os Tensor Cores para a matemática paralela densa exigida pelo processo de difusão. Os benchmarks de desempenho compartilhados pelas empresas indicam as seguintes velocidades de saída:

- **NVIDIA H100:** 1.000+ tokens por segundo.
- **NVIDIA RTX 5090:** 700+ tokens por segundo.

O modelo também suporta kernels NVFP4 nas arquiteturas Blackwell e Hopper, reduzindo ainda mais a sobrecarga computacional para aplicações em tempo real.

## Implicações Estratégicas para IA Corporativa

A introdução do **DiffusionGemma** sinaliza uma mudança em direção a loops de agentes de baixa latência e assistentes locais altamente interativos. Para os tomadores de decisão, a capacidade de gerar texto nessas velocidades sem depender de uma largura de banda de memória massiva baseada em nuvem abre novas possibilidades para computação de borda (edge computing) e processamento de dados privados. A natureza paralela do modelo o torna um forte candidato para fluxos de trabalho que exigem iteração rápida, como geração de código em tempo real ou refatoração automatizada de conteúdo.

Ao mover o gargalo para o processamento, Google e NVIDIA estão alinhando a arquitetura do modelo com os pontos fortes do hardware de GPU moderno. Esse desenvolvimento sugere que o escalonamento futuro de LLMs pode se concentrar tanto em técnicas de geração paralela quanto na contagem de parâmetros. Os desenvolvedores já podem acessar o modelo por meio de plataformas como **Hugging Face Transformers**, **vLLM** e **Unsloth** para começar a integrar esses recursos de alta velocidade em seus stacks de IA existentes.

*Embora nos esforcemos pela precisão, o bytevyte pode cometer erros. Os usuários são aconselhados a verificar todas as informações de forma independente. Não aceitamos qualquer responsabilidade por erros ou omissões.*

## Sources

[DiffusionGemma: 4x faster text generation](https://blog.google/innovation-and-ai/technology/developers-tools/diffusion-gemma-faster-text-generation/?ref=bytevyte.com)

[NVIDIA Accelerates Google DeepMind’s DiffusionGemma for Local AI](https://blogs.nvidia.com/blog/rtx-ai-garage-local-gemma-diffusion/?ref=bytevyte.com)

## Related Articles

- [NVIDIA revela Nemotron-Labs Diffusion para geração paralela de texto em alta velocidade](https://bytevyte.com/nvidia-revela-nemotron-labs-diffusion-para-geracao-paralela-de-texto-em-alta-velocidade/)
- [Google acelera inferência de IA com drafters Gemma 4 Multi-Token Prediction](https://bytevyte.com/google-acelera-inferencia-de-ia-com-drafters-gemma-4-multi-token-prediction/)
- [NVIDIA e Hugging Face Avançam no Treinamento de LLM com Task-Seeded Synthetic Data Generation](https://bytevyte.com/nvidia-e-hugging-face-avancam-no-treinamento-de-llm-com-task-seeded-synthetic-data-generation/)

✔Human Verified