Diffusiongemma

2026 年 6 月 12 日の米国 BIS (産業安全保障局) による Claude Fable 5 輸出管理発動、続く 6 月 13 日の AWS Bedrock における 30 日データ保持強制 ── この 48 時間で「クローズド・フロンティア・モデル」を前提にしていた日本企業の AI 戦略は、「データ主権 Sovereign AI」軸での再設計 を不可避とした。本稿は、当ブログが 6 月 4 日〜 15 日にかけて断片的に報じてきた Open-Weight Frontier 6 モデル (Nemotron 3 Ultra / Gemma 4 12B / Command A+ / DiffusionGemma / GLM 5.2 / MiMo Code) を 5 軸比較で統合し、IDC Japan が 2026 年 4 月に提示した「2027 年推論元年」フレームワークと、Fujitsu 笠子プラントの国産サーバ製造 (2026 年 3 月稼働開始) を組み合わせた 日本企業向け「データ主権」実装設計のハブ記事 である。 ...

DiffusionGemma 26B-A4B 完全解説：自己回帰を捨てた Google の「ブロック並列」テキスト拡散が拓く Open-Weight Frontier 第 7 モデル 自己回帰の限界と、テキスト拡散への回帰 2026 年 6 月 10 日、Google DeepMind は DiffusionGemma を Apache 2.0 で公開した。Gemma 4 26B A4B の MoE バックボーンに、昨年 5 月の I/O で発表された Gemini Diffusion の研究成果を統合した「ブロック並列デコード」モデルである。 中心的な主張は明確だ。「H100 で 1000 tok/s 以上、GeForce RTX 5090 で 700 tok/s 以上」 をローカル推論で実現する。Google 公式の表現は次の通りである。 “Most language models act like a typewriter, generating one token at a time from left to right. In the cloud, this is efficient because servers can batch thousands of user requests together to share the hardware load. But when run locally for a single user, this word-by-word process leaves your dedicated GPU or TPU underutilized. DiffusionGemma reverses this inefficiency. Instead of predicting words sequentially, it drafts an entire 256-token paragraph simultaneously.” ― Brendan O’Donoghue & Sebastian Flenhagenhag, Google Research ...