谷歌DeepMind推出的全新开放模型DiffusionGemma，实际性能究竟如何？对于众多开发者和研究人员而言，最关注的是它是否能在自有硬件上顺畅运行，以及能带来多大的效率增益。NVIDIA近期宣布的首日支持，为这些疑问提供了清晰的解答。

NVIDIA宣布，其全线GeForce RTX GPU、RTX PRO平台以及DGX系统，均已全面支持DiffusionGemma模型。这意味着，无论是个人开发者还是企业级用户，都能立即在自己的NVIDIA硬件上部署和运行这一最新模型，无需冗长等待或繁琐适配。

模型架构与性能优势

DiffusionGemma模型基于Gemma 4架构构建，总参数量达25.2亿，但在推理过程中仅激活3.8亿参数，同时支持高达256K的上下文长度。其关键优势在于采用文本扩散架构，不同于传统自回归模型逐token生成的方式，它每一步可并行去噪多达256个tokens。这一设计在NVIDIA GPU上带来了约4倍推理速度提升。

硬件性能与部署方案

得益于NVIDIA Tensor Core架构与CUDA软件栈的深度优化，该模型无需额外调优即可展现出色性能。具体来看，在单块H100 GPU上，推理速度可达每秒1000 token；而在DGX Spark系统上，性能更是达到了每秒150个token。模型支持BF16和NVFP4精度格式，开发者可通过Hugging Face Transformers在RTX 5090或DGX Spark上快速进行原型验证，生产环境则推荐采用vLLM进行部署。

该模型以Apache 2.0许可证开源，支持文本与图像的多模态输入。其一大特点是，可完全在本地RTX或DGX平台上运行，无需联网，也无需按token付费，为数据安全与成本控制提供了有力保障。目前，该模型已获得Hugging Face Transformers、vLLM、Unsloth等主流框架的初始支持。对于Windows平台开发者，RTX 5090用户可立即下载体验；而需要进行大规模部署和微调的专业用户，则可选用RTX PRO 6000工作站或DGX Station来完成相关任务。