Google DeepMind lança o DiffusionGemma, um LLM de difusão 4 vezes mais rápido que o Gemma 4

O Google DeepMind apresentou o DiffusionGemma, um modelo de linguagem de nova classe que gera texto por difusão, e não pela abordagem autorregressiva padrão. Segundo a equipe, o modelo roda 4 vezes mais rápido que qualquer outro da família Gemma 4, com qualidade comparável.

Como funciona um LLM de difusão

Os modelos de linguagem clássicos, como GPT, Llama e Gemma, geram texto de forma sequencial: token por token, da esquerda para a direita. Para obter 500 tokens, são necessários 500 passos de inferência sequenciais. É uma limitação fundamental da arquitetura: cada token depende de todos os anteriores, então o paralelismo é impossível pela própria natureza da autorregressão.

A abordagem de difusão funciona de outro jeito. A mesma ideia por trás do Stable Diffusion e do DALL-E para imagens agora é aplicada ao texto: o modelo aprende a reconstruir o texto original a partir de ruído aleatório, refinando toda a sequência de uma vez. Ele não avança da esquerda para a direita, mas de forma iterativa, em paralelo em todas as posições ao mesmo tempo.

• Autorregressão: 500 tokens exigem 500 passos sequenciais
• Difusão: 500 tokens são processados em 10–50 passos, independentemente do tamanho
• O ganho de velocidade não é linear: quanto mais longo o texto, mais evidente a vantagem

Várias equipes tentam dominar a difusão para geração de texto desde 2021. O principal problema era a qualidade: os modelos de texto por difusão ficaram muito tempo atrás dos autorregressivos, e os textos perdiam coerência e precisão de formulação. A julgar pela declaração de Hassabis, o DiffusionGemma superou essa barreira.

Demis Hassabis anunciou pessoalmente

O próprio CEO do Google DeepMind anunciou o resultado, o que é incomum. Executivos desse nível costumam promover produtos inteiros ou direções estratégicas, mas raramente destacam uma decisão arquitetônica específica como motivo de parabenização. Hassabis parabenizou pessoalmente o pesquisador Brian O'Donoghue e toda a equipe, chamando o desenvolvimento de "fulminante".

"Ótima inovação em difusão de texto.

O DiffusionGemma é fulminante: 4 vezes mais rápido que outros modelos Gemma 4. Mal posso esperar para ver o que as pessoas vão construir com ele!" — Demis Hassabis

Contexto importante: a comparação não é com benchmarks ultrapassados, mas com a família Gemma 4 atual, que já é considerada uma das mais eficientes entre os modelos abertos da sua classe. Um ganho de quatro vezes sobre essa base é um resultado arquitetônico expressivo.

A economia da inferência está mudando

A velocidade de geração determina tanto o custo da API quanto a latência do produto final. Se o DiffusionGemma gera 4 vezes mais rápido com qualidade comparável, isso abre várias possibilidades práticas:

• Menor custo de inferência: menos tempo de GPU por resposta
• Contextos longos sem crescimento exponencial dos atrasos
• Competitividade em cenários sensíveis à latência: chatbots, autocompletar, pipelines agênticos
• Potencial de unificação com a geração de imagens e áudio por difusão

A sinergia multimodal é especialmente interessante: ao combinar a difusão de texto com as abordagens já maduras para imagem e som, surge uma arquitetura única que processa todas as modalidades com um só princípio. O Google já caminha nessa direção com a série Gemini, e o DiffusionGemma parece o primeiro passo rumo a uma multimodalidade por difusão completa.

O que isso significa

Os LLMs de difusão deixaram de ser um experimento acadêmico. Quando o CEO de um dos maiores laboratórios de IA do mundo anuncia pessoalmente um avanço arquitetônico, o mercado reage. Se os números de velocidade do DiffusionGemma forem confirmados em testes independentes, eles podem mudar a precificação do mercado de inferência de LLMs e forçar os concorrentes a acelerar seus próprios projetos de difusão. Para os desenvolvedores que ainda não estudaram essa arquitetura, a hora é agora.