DiffusionGemma: l’AI di Google fino a 4 volte più veloce
Google genera testo a blocchi paralleli invece che parola per parola. Fino a 4 volte più veloce, ma con limiti.
Per anni l’intelligenza artificiale ha scritto come noi: una parola dopo l’altra, da sinistra a destra. DiffusionGemmarompe lo schema. Il nuovo modello open source di Google genera interi blocchi di testo tutti insieme, e su una GPU dedicata arriva a essere fino a quattro volte più veloce dei modelli tradizionali. Non è un dettaglio tecnico da addetti ai lavori, è un modo diverso di far ragionare le macchine.
Cos’è DiffusionGemma
Partiamo dalle basi. I modelli che usi ogni giorno, da ChatGPT a Claude fino a Gemini, sono autoregressivi: scrivono un token alla volta, prevedendo la parola successiva in base a quelle già scritte. Funziona benissimo per la qualità, ma c’è un limite fisico alla velocità, perché ogni pezzo deve aspettare il precedente.
DiffusionGemma fa una cosa diversa, e prende in prestito un’idea dai generatori di immagini. Invece di procedere in fila, parte da un blocco di token casuali, una specie di rumore, e lo raffina passaggio dopo passaggio fino a far emergere il testo leggibile. È lo stesso principio con cui un generatore di immagini trasforma una macchia confusa in una foto nitida, applicato però alle parole. Il modello lavora su blocchi da circa 256 token in parallelo, e ogni token vede tutti gli altri nello stesso ciclo.
Google DeepMind lo ha presentato il 10 giugno 2026 con licenza Apache 2.0, quindi open source, scaricabile e modificabile da chiunque. È costruito sull’architettura Gemma 4 e usa una configurazione Mixture of Experts da 26 miliardi di parametri totali, ma durante l’uso ne attiva solo 3,8 miliardi, così gira anche su schede grafiche di fascia alta da consumatore.
Perché DiffusionGemma è più veloce
Il numero che ha fatto rumore è quel fino a quattro volte più veloce. Ma cosa significa in pratica? Nei test, DiffusionGemma supera i mille token al secondo su una NVIDIA H100 e arriva a settecento token al secondo su una RTX 5090, la scheda di punta per il mercato consumer. Sono cifre che cambiano l’esperienza d’uso: testo che appare praticamente in tempo reale, senza quell’attesa che conosci quando l’AI scrive lentamente riga per riga.
Il segreto sta in dove si sposta il collo di bottiglia. Nei modelli tradizionali il freno è la larghezza di banda della memoria, perché ogni parola va recuperata e calcolata in sequenza. DiffusionGemma sposta il carico sui core di calcolo veri e propri, che sulle GPU moderne sono abbondanti e spesso sottoutilizzati. In parole povere, sfrutta meglio l’hardware che hai già.
C’è anche un vantaggio meno ovvio. Visto che genera 256 token insieme e ognuno vede gli altri, il modello è particolarmente bravo nei compiti non lineari: completare codice nel mezzo di una funzione, modificare un pezzo di testo già scritto, risolvere problemi dove ogni elemento dipende dagli altri. Google ha mostrato un esempio quasi didattico con il Sudoku, dove ogni cella deve tenere conto di tutte le altre.
I limiti da conoscere
Qui serve onestà, perché la velocità non è tutto. Google stessa raccomanda di usare il Gemma 4 normale quando conta la qualità, perché DiffusionGemma perde terreno su tutti i test di accuratezza rispetto ai modelli autoregressivi paragonabili. Più veloce sì, ma meno preciso. E nei benchmark interni il guadagno reale è circa 3,5 volte, non sempre il quattro pieno del comunicato, che si raggiunge solo in condizioni ottimali.
C’è poi un secondo paletto importante. Quel vantaggio di velocità vale solo in scenari locali, con un singolo utente e una GPU dedicata. Nel cloud, dove arrivano migliaia di richieste insieme, i modelli tradizionali sono già efficientissimi perché raggruppano le richieste, e lì DiffusionGemma può addirittura costare di più. Non a caso Google lo posiziona come strumento per ricercatori e sviluppatori che lavorano in locale, non come sostituto di ChatGPT o Claude per l’utente medio.
Detto tutto questo, resta un fatto che conta. DiffusionGemma è la prima dimostrazione pubblica seria di un modello a diffusione testuale aperto, e NVIDIA lo ha ottimizzato lo stesso giorno del lancio. Quando il principale produttore di GPU al mondo si muove così in fretta, vuol dire che la direzione è presa sul serio dall’industria.
Perché ti dovrebbe interessare?
Perché DiffusionGemma non è solo un modello più rapido, è il segnale che la corsa all’AI si sta spostando dalla potenza bruta all’efficienza. Per ora è ricerca, non lo userai domani al posto del tuo assistente preferito. Ma è il tipo di svolta che tra un anno potresti trovare dentro gli strumenti che usi tutti i giorni, magari proprio mentre scrivi codice o modifichi un testo senza più dover aspettare. Tenere d’occhio da dove arriva il prossimo salto ti fa capire dove sta andando davvero questa tecnologia.
Ti è piaciuto questo articolo?
Seguici per restare aggiornato su tech, smartphone e streaming – senza perderti nulla.
Commento all'articolo