¿Qué es DiffusionGemma 26B A4B?
DiffusionGemma es un modelo abierto experimental de Google DeepMind, lanzado el 10 de junio de 2026. Toma el diseño mixture-of-experts de Gemma 4 26B A4B (25.200 millones de parámetros, 3.800 millones activos, 8 de 128 expertos por token) y cambia la forma de escribir texto. En lugar de producir un token cada vez, redacta un bloque de 256 tokens y refina el bloque entero en varias pasadas de eliminación de ruido, y luego pasa al siguiente.
Eso desplaza el cuello de botella en una sola GPU del ancho de banda de memoria al cómputo. Google informa de más de 1.000 tokens por segundo en una NVIDIA H100 y más de 700 en una GeForce RTX 5090, y dice que una versión cuantizada cabe en 18 GB de VRAM. Lee texto, imágenes y fotogramas de vídeo, escribe texto, tiene modo de razonamiento y llamadas a funciones, y conserva el contexto de 256K tokens de Gemma 4. No admite entrada de audio.
Los pesos están bajo Apache 2.0. En los últimos 30 días sumaron unas 636.000 descargas en Hugging Face.
¿Merece la pena DiffusionGemma 26B A4B?
DiffusionGemma cambia calidad por velocidad, y la propia ficha de Google muestra cuánto. Frente al Gemma 4 26B A4B estándar obtiene un 77,6% en MMLU Pro frente al 82,6%, un 69,1% en AIME 2026 frente al 88,3%, un 69,1% en LiveCodeBench v6 frente al 77,1% y un 56,2% en la prueba de uso de herramientas Tau2 frente al 68,2%. La visión cae más: un 54,3% en MMMU Pro frente al 73,8%, y el doble de error en OmniDocBench (0,319 frente a 0,149). La recuperación en contexto largo a 128K baja del 44,1% al 32,0%.
Lo que recibes a cambio es latencia. Al producir de 15 a 20 tokens por pasada, supera los 1.000 tokens por segundo en una H100 y los 700 en una RTX 5090, lo que Google cifra en hasta cuatro veces más rápido que los modelos habituales en GPU dedicadas. Los prompts sencillos y el código necesitan menos pasos de eliminación de ruido, así que la velocidad varía según la tarea. Como cada token de un bloque ve a los demás, también puede rellenar huecos en el código y corregir sus propios errores antes de cerrar un bloque.
La velocidad solo aparece en un escenario. Google dice que la ventaja es mayor con lotes pequeños o medianos en un solo acelerador, se diluye en servicio en la nube con mucho tráfico, donde puede salir más caro, y puede no notarse en absoluto en máquinas con memoria unificada como los Mac con Apple Silicon. En el lanzamiento se anunció que el soporte de llama.cpp llegaría pronto.
Eso lo convierte en una herramienta para trabajo local interactivo: edición en línea, autocompletado, borradores rápidos en los que esperar cuesta más que una respuesta algo peor. Para trabajos por lotes, agentes o lectura de documentos, el Gemma 4 26B autorregresivo es mejor en todos los benchmarks que publica Google.
Dónde se gana su sitio
Un ingeniero de herramientas para desarrolladores en una start-up de IDE
Ofrecer ediciones de código en línea, en local, que aparezcan casi al instante
Sirve el modelo cuantizado en una RTX 5090 con vLLM y úsalo para rellenar código, donde ayudan sus bloques bidireccionales. Google cita más de 700 tokens por segundo en esa tarjeta; reserva Gemma 4 para refactorizaciones más difíciles.
Una redactora técnica en una empresa de software con una GPU de estación de trabajo
Redactar y reescribir secciones de documentación sin esperar por cada párrafo
Ejecútalo en local con el razonamiento desactivado para borradores rápidos. Google dice que cierra bien el Markdown complejo; la calidad es inferior a Gemma 4, así que revisa los datos y los ejemplos de código.
Antes de decidirte
- Puesta en marcha
- Instala la última versión de transformers y carga DiffusionGemmaForBlockDiffusion, o sírvelo con vLLM o MLX. Google recomienda su muestreador con límite de entropía y hasta 48 pasos de eliminación de ruido, que suele detenerse tras 12 a 16.
- Integraciones
- transformers, vLLM con soporte de Red Hat, MLX, NVIDIA NIM, Unsloth y NeMo para ajuste fino, y la biblioteca JAX Hackable Diffusion de Google.
- Datos y privacidad
- Autoalojado, así que los prompts se quedan en tu hardware. Apache 2.0 permite uso comercial y modificación.
- Coste a escala
- Los pesos son gratuitos; una tarjeta de la clase RTX 4090 o 5090 ejecuta la versión cuantizada. Google advierte de que servirlo en la nube con mucho tráfico puede costar más que un modelo autorregresivo.
- Límites
- Versión experimental; solo entrada de imagen y vídeo, sin audio; vídeo de hasta 60 segundos a un fotograma por segundo; los razonamientos de turnos anteriores deben quitarse del historial del chat.
Lo bueno
- Más de 1.000 tokens por segundo en una H100, 700 en una RTX 5090
- La versión cuantizada cabe en 18 GB de VRAM
- Apache 2.0 con visión, modo de razonamiento y llamadas a funciones
- Los bloques bidireccionales ayudan a rellenar código y autocorregirse
Lo malo
- Por debajo de Gemma 4 26B en todos los benchmarks de calidad publicados
- AIME 2026 cae del 88,3% al 69,1%
- La ventaja de velocidad se diluye con lotes grandes y en Mac
- Google lo etiqueta como experimental; sin entrada de audio
Ideal para
Desarrolladores que crean herramientas para un solo usuario sensibles a la latencia, como editores en línea o autocompletado, en una GPU NVIDIA.
Alternativas a DiffusionGemma 26B A4B
DiffusionGemma 26B A4B: preguntas frecuentes
- ¿Merece la pena DiffusionGemma 26B A4B?
- DiffusionGemma hace que un modelo abierto capaz responda a un usuario varias veces más rápido en una GPU, y la propia Google aconseja quedarse con Gemma 4 normal cuando importa la calidad. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta DiffusionGemma 26B A4B?
- Pesos gratuitos bajo Apache 2.0. No hay precio por token propio publicado; pagas tu propia GPU o despliegue en la nube.
- ¿Qué inconvenientes tiene DiffusionGemma 26B A4B?
- Por debajo de Gemma 4 26B en todos los benchmarks de calidad publicados; aIME 2026 cae del 88,3% al 69,1%; la ventaja de velocidad se diluye con lotes grandes y en Mac; google lo etiqueta como experimental; sin entrada de audio.
- ¿Para quién es DiffusionGemma 26B A4B?
- Desarrolladores que crean herramientas para un solo usuario sensibles a la latencia, como editores en línea o autocompletado, en una GPU NVIDIA.
- ¿Cuánto cuesta DiffusionGemma 26B A4B para un equipo o en producción?
- Los pesos son gratuitos; una tarjeta de la clase RTX 4090 o 5090 ejecuta la versión cuantizada. Google advierte de que servirlo en la nube con mucho tráfico puede costar más que un modelo autorregresivo.
- ¿Es DiffusionGemma 26B A4B seguro para los datos de la empresa?
- Autoalojado, así que los prompts se quedan en tu hardware. Apache 2.0 permite uso comercial y modificación.
- ¿Cuáles son las mejores alternativas a DiffusionGemma 26B A4B?
- Las alternativas más cercanas que hemos analizado son Gemma 4, Qwen3.8-27B, gpt-oss-20b y Mistral Small 4.
Respuestas comprobadas el 7 nov 2026.