Google的Diffusion大模型，快如闪电，实测震惊|Google|apple|diffusion|深度思考模型|知名企业|谷歌

大家好，我是 Ai 学习的老章

看 Apple 刚刚开源了一个 7B 的 DiffuCoder 大模型

Apple 这个有空再细看

这倒让我想起 5 月 Google 开源的 Gemini Diffusion，当时就申请了 Waitlist，很久没打开 Gmail，发现 5 月 29 就收到 access 的邮件了

Diffusion 模型

Diffusion 不是新鲜概念，后来 OpenAI 的 DALL·E 2 和 Google 的 Imagen 等文生图模型问世后，Diffusion Models 重新火起来。

但是把生成式模型用于文本生成是最近的小热点，Mercury，LLaDA-8B，Dream 7B，gemini-diffusion，Apple DiffuCoder 都来了

传统的自回归语言模型一次生成一个单词（或词元）的文本，这种顺序过程可能会很缓慢，并且会限制输出的质量和连贯性。

速度有多快呢？Gemini Diffusion 的介绍：

采样速度（不含开销）

1479 个词元/秒

额外时间

0.84 秒

扩散模型的工作方式有所不同，它们不是直接预测文本，而是通过逐步优化噪声来学习生成输出。

这意味着它们可以非常快速地对解决方案进行迭代，并在生成过程中纠正错误。这有助于它们在编辑等任务中表现出色，包括在数学和代码方面。

Gemini Diffusion

Gemini Diffusion 是 Google Deepmind 团队的产品，官方介绍优势如下：

快速响应：生成内容的速度远超我们迄今为止最快的模型
文本连贯性更强：一次性生成完整词块，这意味着相比自回归模型，它能更连贯地回应用户提示
支持迭代优化：在生成过程中纠正错误，以获得更一致的输出。

目前依然需要 waitlist 才能使用

十几天后才收到邮件

使用地址：https://deepmind.google.com/frontiers/gemini-diffusion

实测速度真 TM 的快，眼球跟不上

这里我借用 MiniMax 的测试提示词，并给出 minimax 与 Gemini Diffusion 生成结果对比

实测1

Prompt: Create a maze generator and pathfinding visualizer. Randomly generate a maze and visualize A* algorithm solving it step by step. Use canvas and animations. Make it visually appealing. 创建一个迷宫生成器和路径查找可视化工具。随机生成迷宫并逐步展示 A*算法求解过程。使用画布和动画效果，确保视觉效果吸引人。

MiniMax

Gemini Diffusion

实测2

Prompt: Create an HTML page with a canvas-based animated particle background. The particles should move smoothly and connect when close. Add a central heading text over the canvas 创建一个带有基于画布的动画粒子背景的 HTML 页面。粒子应平滑移动并在靠近时连接。在画布上方添加居中的标题文本

MiniMax

Gemini Diffusion

实测3

Prompt: Implement a particle explosion effect when the user clicks anywhere on the page. Use canvas and JavaScript to animate colorful particles that fade out. 在用户点击页面任意位置时实现粒子爆炸效果。使用 canvas 和 JavaScript 来制作彩色粒子的渐隐动画效果。

MiniMax