跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

DiffusionGemma

DiffusionGemma 是 Google DeepMind 开发的生成模型,基于 Gemma 4 架构。它处理文本、图像和视频输入,以生成文本输出,优化了在各种硬件环境中的速度和效率。

访问URL
分享
DiffusionGemma 截图
DiffusionGemma 截图

DiffusionGemma 是 Google DeepMind 开发的生成模型,利用 26B A4B 专家混合 (MoE) Gemma 4 架构。它旨在从多模态输入(包括文本、图像和视频)生成文本输出。该模型采用离散扩散技术来提高标记生成速度,使其适合在多种硬件环境中部署。

阅读更多

该模型的架构采用块自回归多画布采样方法,通过并行去噪标记块显著提高解码速度。这种方法使 DiffusionGemma 的文本生成速度高于传统自回归模型。编码器-解码器架构利用自回归编码器处理和缓存提示上下文,而解码器则在生成画布上应用双向注意力。

DiffusionGemma 的稀疏 MoE 设计,具有 128 个专家中的 8 个活跃专家,提供强大的推理能力,同时保持低内存占用。这种高效性使其适合本地执行,并优化了小批量推理,在单个能力强大的加速器上实现高速生成。

该模型支持本地系统提示更新,能够进行结构化和可控的对话。它还包括可配置的思维模式,以增强推理能力。DiffusionGemma 的上下文窗口可达到 256K 个标记,能够有效处理长上下文任务。

DiffusionGemma 已在各种基准测试中进行评估,显示出在文本生成和推理任务中的竞争性能。它支持多语言能力,预训练于超过 140 种语言,并提供强大的图像和视频理解功能,包括物体检测、文档解析和视频内容分析。

总体而言,DiffusionGemma 是一个多功能模型,旨在实现高速的多模态文本生成,适用于内容创作、研究和教育等广泛应用。

  • 类别AI 模型与大语言模型
  • 定价模式Open Weights
  • 部署云端
  • 平台网页版

  • 离散文本扩散

  • 多模态输入处理

  • 编码器-解码器架构

  • 专家混合效率

  • 思维模式

  • 优化的小批量推理

  • 本地系统提示支持

  • 长上下文处理

  1. 访问模型页面:访问 Hugging Face 模型页面

  2. 身份验证:登录或创建账户

  3. 配置:设置模型参数

  4. 发送提示:输入文本、图像或视频提示

  5. 微调:调整特定任务的设置

  • 文本生成
  • 图像数据提取
  • 视频理解
  • 多语言支持
  • 研究与教育

Google DeepMind 旗下产品

DiffusionGemma 评价

加载中...

与 DiffusionGemma 类似的热门AI工具

Gemma 4 12B 统一模型由 Google DeepMind 开发,是一个多模态 AI 模型,旨在实现高效的本地执行。它支持文本、图像和音频输入,提供先进的推理和编码能力,并具有较大的上下文窗口。

AI 模型与大语言模型
查看工具

Gemma 4 12B 统一模型由 Google DeepMind 开发,是一个多模态 AI 模型,旨在实现高效的本地执行。它支持文本、图像和音频输入,提供先进的推理和编码能力,并具有较大的上下文窗口。

AI 模型与大语言模型
查看 AI 模型 Top 5

Gemma 是一系列轻量级的开放模型,基于驱动 Gemini 模型的相同技术构建。它使开发人员能够为各种平台创建 AI 应用程序,提高移动设备和物联网设备的效率和智能。

AI 模型与大语言模型
查看工具

一系列轻量级的开放模型,基于驱动 Gemini 模型的相同技术构建。它使开发人员能够为各种平台创建 AI 应用程序,提高移动设备和物联网设备的效率和智能。Gemma 是一系列轻量级的开放模型,基于驱动 Gemini 模型的相同技术构建。它使开发人员能够为各种平台创建 AI 应用程序,提高移动设备和物联网设备的效率和智能。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

DeepSeek-V3

大语言模型

DeepSeek-V3 是一个具有 6710 亿参数的专家混合语言模型,旨在实现高效推理和经济实惠的训练。它在各种基准测试中表现出色,展示了在自然语言处理任务中的强大性能。

AI 模型与大语言模型

大语言模型 排名第 31 位

查看工具

大语言模型

具有 6710 亿参数的专家混合语言模型,旨在实现高效推理和经济实惠的训练。它在各种基准测试中表现出色,展示了在自然语言处理任务中的强大性能。DeepSeek-V3 是一个具有 6710 亿参数的专家混合语言模型,旨在实现高效推理和经济实惠的训练。它在各种基准测试中表现出色,展示了在自然语言处理任务中的强大性能。

精选AI 模型与大语言模型
大语言模型 排名第 31 位

Inkling-Small

大语言模型

Inkling-Small 是一个多功能的多模态模型,处理文本、图像和音频输入以生成文本输出。它支持开发人员创建聊天机器人和编码助手等 AI 应用程序,并提供开放权重以便于研究和集成。

AI 模型与大语言模型

大语言模型 排名第 27 位

查看工具

大语言模型

多功能的多模态模型,处理文本、图像和音频输入以生成文本输出。它支持开发人员创建聊天机器人和编码助手等 AI 应用程序,并提供开放权重以便于研究和集成。Inkling-Small 是一个多功能的多模态模型,处理文本、图像和音频输入以生成文本输出。它支持开发人员创建聊天机器人和编码助手等 AI 应用程序,并提供开放权重以便于研究和集成。

AI 模型与大语言模型
大语言模型 排名第 27 位

DeepSeek-V4-Pro

大语言模型

DeepSeek-V4-Pro是一个先进的AI模型,旨在实现高效的百万标记上下文智能。它具有混合注意力架构,并在超过32万亿个标记上进行了预训练,适用于复杂推理任务和编码基准。

AI 模型与大语言模型
查看工具

大语言模型

先进的AI模型,旨在实现高效的百万标记上下文智能。它具有混合注意力架构,并在超过32万亿个标记上进行了预训练,适用于复杂推理任务和编码基准。DeepSeek-V4-Pro是一个先进的AI模型,旨在实现高效的百万标记上下文智能。它具有混合注意力架构,并在超过32万亿个标记上进行了预训练,适用于复杂推理任务和编码基准。

精选AI 模型与大语言模型
查看 大语言模型 Top 50

Imagen 是 Google Research 开发的一款文本到图像扩散模型,它能生成具有深刻语言理解能力的逼真图像。Imagen 在图像-文本对齐和样本保真度方面表现出色,在人类评估中优于其他模型,并在 COCO 等基准测试中取得了最先进的 FID 分数。

AI 模型与大语言模型
查看工具

Google Research 开发的一款文本到图像扩散模型,它能生成具有深刻语言理解能力的逼真图像。Imagen 在图像-文本对齐和样本保真度方面表现出色,在人类评估中优于其他模型,并在 COCO 等基准测试中取得了最先进的 FID 分数。Imagen 是 Google Research 开发的一款文本到图像扩散模型,它能生成具有深刻语言理解能力的逼真图像。Imagen 在图像-文本对齐和样本保真度方面表现出色,在人类评估中优于其他模型,并在 COCO 等基准测试中取得了最先进的 FID 分数。

AI 模型与大语言模型
查看 AI 模型 Top 5

Gemma-3n-E4B-it 是谷歌推出的一款轻量级、先进的人工智能模型,旨在低资源设备上高效执行。它支持多模态输入,处理文本、图像、视频和音频,并生成具有开放权重的文本输出,适用于预训练和指令调优的变体。

AI 模型与大语言模型
查看工具

谷歌推出的一款轻量级、先进的人工智能模型,旨在低资源设备上高效执行。它支持多模态输入,处理文本、图像、视频和音频,并生成具有开放权重的文本输出,适用于预训练和指令调优的变体。Gemma-3n-E4B-it 是谷歌推出的一款轻量级、先进的人工智能模型,旨在低资源设备上高效执行。它支持多模态输入,处理文本、图像、视频和音频,并生成具有开放权重的文本输出,适用于预训练和指令调优的变体。

AI 模型与大语言模型
查看 AI 模型 Top 5

Hy4 预览

大语言模型

Hy4 预览是腾讯 Hy 团队开发的新一代专家混合模型。它具有7700亿个参数,旨在提高软件工程、游戏开发和科学研究等多个领域的生产力。

AI 模型与大语言模型

大语言模型 排名第 35 位

查看工具

大语言模型

腾讯 Hy 团队开发的新一代专家混合模型。它具有7700亿个参数,旨在提高软件工程、游戏开发和科学研究等多个领域的生产力。Hy4 预览是腾讯 Hy 团队开发的新一代专家混合模型。它具有7700亿个参数,旨在提高软件工程、游戏开发和科学研究等多个领域的生产力。

AI 模型与大语言模型
大语言模型 排名第 35 位
1/8