NVIDIA mengumumkan optimasi untuk model eksperimental DiffusionGemma dari Google DeepMind, yang memungkinkan penerapan lebih cepat di seluruh GPU RTX, sistem RTX PRO, dan platform DGX Spark.

Berbeda dengan model bahasa tradisional yang menghasilkan teks secara berurutan, DiffusionGemma menciptakan hingga 256 token secara paralel. Model ini didasarkan pada arsitektur Gemma 4 dan menggunakan desain Mixture of Experts 26B dengan 3,8B parameter aktif selama inferensi.

Menurut NVIDIA, arsitektur ini menghadirkan pembuatan teks hingga empat kali lebih cepat di lingkungan pengguna tunggal. Kinerja mencapai 1.000 token per detik pada GPU H100 dan hingga 2.000 token per detik pada sistem DGX Station.

Model open-weight tersedia di bawah lisensi Apache 2.0 dan mendukung penerapan melalui Hugging Face Transformers, vLLM, Unsloth, dan NVIDIA NeMo. Perusahaan tersebut mengatakan platform ini cocok untuk asisten AI lokal, alur kerja agen, dan aplikasi pembuatan teks dengan latensi rendah.