DiffusionGemma 26B A4Bとは？
DiffusionGemmaは、Google DeepMindが2026年6月10日に公開した実験的なオープンモデルです。Gemma 4 26B A4Bのmixture-of-experts設計（252億パラメーター、うち38億がアクティブ、トークンごとに128中8エキスパート）を引き継ぎ、テキストの書き方を変えました。1トークンずつ出すのではなく、256トークンのブロックを下書きし、ブロック全体を何度かのノイズ除去で仕上げてから次のブロックに進みます。
これにより、GPU 1枚でのボトルネックがメモリ帯域から計算量に移ります。GoogleはNVIDIA H100で毎秒1,000トークン超、GeForce RTX 5090で毎秒700トークン超と報告し、量子化版は18 GBのVRAMに収まるとしています。テキスト、画像、動画フレームを読み、テキストを書き、思考モードと関数呼び出しを備え、Gemma 4の256Kトークンのコンテキストを維持しています。音声入力には対応しません。
重みはApache 2.0です。直近30日のHugging Faceでのダウンロードは約636,000回でした。
DiffusionGemma 26B A4Bは使う価値があるか？
DiffusionGemmaは品質と引き換えに速度を得ており、その差はGoogle自身のモデルカードにはっきり出ています。標準のGemma 4 26B A4Bと比べ 、MMLU Proは82.6%に対し77.6%、AIME 2026は88.3%に対し69.1%、LiveCodeBench v6は77.1%に対し69.1%、ツール利用テストTau2は68.2%に対し56.2%です。画像系はさらに落ち、MMMU Proは73.8%に対し54.3%、OmniDocBenchの誤差は2倍（0.149に対し0.319）です。128Kの長文コンテキストでの想起は44.1%から32.0%に下がります。
代わりに得られるのはレイテンシーです。1回のフォワードパスで15〜20トークンを出すため、H100では毎秒1,000トークン、RTX 5090では毎秒700トークンを超え、Googleは専用GPU上の一般的なモデルより最大4倍速いとしています。単純なプロンプトやコードはノイズ除去のステップが少なくて済むため、速度はタスクによって変わります。ブロック内の各トークンが互いを参照できるので、コードの穴埋めや、ブロックを仕上げる前に自分の誤りを直すこともできます。
速さが出るのは限られた条件だけです。Googleによれば、利点が最も大きいのは単一アクセラレーターで小〜中程度のバッチサイズのときで、トラフィックの多いクラウド配信では薄れ、運用費がかえって高くなることもあり、Apple SiliconのMacのようなユニファイドメモリ機ではまったく効かない場合もあります。llama.cppへの対応は公開時点で近日予定とされていました。
つまり、これは対話的なローカル作業のための道具です。インライン編集、オートコンプリート、待つほうが多少劣る答えより高くつく素早い下書きなどです。バッチ処理、エージェント、文書の読み取りには、Googleが公表するすべてのベンチマークで自己回帰型のGemma 4 26Bが勝っています。
真価を発揮する場面
IDEスタートアップの開発者ツールエンジニア
ほぼ瞬時に表示されるローカルのインラインコード編集を提供したい
RTX 5090でvLLMを使って量子化モデルを動かし、双方向ブロックが活きるコードの穴埋めに使います。Googleはこのカードで毎秒700トークン超としています。難しいリファクタリングにはGemma 4を残しておきます。
ワークステーション用GPUを持つソフトウェア企業のテクニカルライター
段落ごとに待たされずにドキュメントの各節を下書き、書き直ししたい
素早い下書きのために思考モードを切ってローカルで動かします。Googleは複雑なMarkdownもきちんと閉じるとしていますが、品質はGemma 4より低いので、事実とコード例は確認してください。
導入前に確認すること
- 導入
- 最新のtransformersをインストールしてDiffusionGemmaForBlockDiffusionを読み込むか、vLLMかMLXでサービングします。Googleはエントロピー上限付きのサンプラーを推奨しており、ノイズ除去は最大48ステップ、通常は12〜16ステップで止まります。
- 連携
- transformers、Red Hatが支援するvLLM、MLX、NVIDIA NIM、ファインチューニング用のUnslothとNeMo、GoogleのJAXライブラリHackable Diffusion。
- データとプライバシー
- セルフホストなので、プロンプトは自分のハードウェアにとどまります。Apache 2.0は商用利用と改変を認めています。
- 大規模利用時のコスト
- 重みは無料で、RTX 4090や5090クラスのカードで量子化版が動きます。Googleは、トラフィックの多いクラウド配信では自己回帰型モデルより高くつく場合があると注意しています。
- 制限
- 実験的なリリースです。入力は画像と動画のみで音声は不可、動画は毎秒1フレームで最長60秒です。過去のターンの思考はチャット履歴から取り除く必要があります。
良い点
- H100で毎秒1,000トークン超、RTX 5090で700トークン
- 量子化版は18 GBのVRAMに収まる
- Apache 2.0で画像入力、思考モード、関数呼び出しに対応
- 双方向ブロックでコードの穴埋めと自己修正に強い
気になる点
- 公表されたすべての品質ベンチマークでGemma 4 26Bを下回る
- AIME 2026が88.3%から69.1%に低下
- 大きなバッチやMacでは速度の利点が薄れる
- Googleは実験的と位置づけ、音声入力もない
おすすめの人
インラインエディターやオートコンプリートなど、1人のユーザー向けでレイテンシーが重要なツールをNVIDIA GPU 1枚で作る開発者。
DiffusionGemma 26B A4Bの代替
DiffusionGemma 26B A4B：よくある質問
- DiffusionGemma 26B A4Bは使う価値があるか？
- DiffusionGemmaは有能なオープンモデルをGPU 1枚で1人のユーザーに対して数倍速く応答させますが、品質が大事ならGoogle自身が通常のGemma 4を勧めています。 評価は5点満点中3.8点です。
- DiffusionGemma 26B A4Bの料金は？
- Apache 2.0の重みは無料です。自社のトークン単価は公開されておらず、費用は自前のGPUかクラウドへのデプロイ分です。
- DiffusionGemma 26B A4Bの欠点は？
- 公表されたすべての品質ベンチマークでGemma 4 26Bを下回る; AIME 2026が88.3%から69.1%に低下; 大きなバッチやMacでは速度の利点が薄れる; Googleは実験的と位置づけ、音声入力もない.
- DiffusionGemma 26B A4Bは誰に向いているか？
- インラインエディターやオートコ ンプリートなど、1人のユーザー向けでレイテンシーが重要なツールをNVIDIA GPU 1枚で作る開発者。
- チームや本番環境でDiffusionGemma 26B A4Bを使うと費用はいくらか？
- 重みは無料で、RTX 4090や5090クラスのカードで量子化版が動きます。Googleは、トラフィックの多いクラウド配信では自己回帰型モデルより高くつく場合があると注意しています。
- DiffusionGemma 26B A4Bは企業データを扱っても安全か？
- セルフホストなので、プロンプトは自分のハードウェアにとどまります。Apache 2.0は商用利用と改変を認めています。
- DiffusionGemma 26B A4Bの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGemma 4, Qwen3.8-27B, gpt-oss-20b 、 Mistral Small 4です。
回答確認日：2026年11月7日