150 tokens/s！NVIDIA为谷歌DiffusionGemma提供首日支持：RTX/DGX全系可用

NVIDIA宣布为谷歌DeepMind最新发布的开放模型DiffusionGemma提供首日支持，覆盖GeForce RTX GPU、RTX PRO平台和DGX系统全系列。

DiffusionGemma基于Gemma 4架构，总参数25.2亿，推理时仅激活3.8亿参数，支持256K上下文长度，并针对NVIDIA硬件深度优化。。

与传统自回归模型逐个生成token不同，它采用文本扩散架构，每步可并行去噪256个tokens，在NVIDIA GPU上速度提升约4倍。

性能方面，NVIDIA通过Tensor Core架构和CUDA软件栈实现了无需额外调优即可获得优异性能。单块H100 GPU可达每秒1000 token，在DGX Spark上达150 tokens/s。

该模型支持BF16/NVFP4精度格式，开发者可通过Hugging Face Transformers在RTX 5090或DGX Spark上快速原型验证，生产环境可使用vLLM进行部署。

该模型采用Apache 2.0许可证开源，支持文本与图像多模态输入，支持完全运行于本地RTX或DGX平台，无需联网、无需按token付费。

目前已在Hugging Face Transformers、vLLM、Unsloth等框架中获得初始支持。

对于Windows开发者，RTX 5090用户可立即下载体验；专业级用户则可选用RTX PRO 6000工作站或DGX Station完成大规模部署和微调任务。