أعلنت جوجل عن نموذجها التجريبي المفتوح المصدر DiffusionGemma، وهو توجه مختلف في توليد النصوص يعتمد على الانتشار بدلاً من الأسلوب التقليدي القائم على إنتاج الكلمات أو الرموز واحداً تلو الآخر. وتقول الشركة إن هذا النهج يمنح النموذج سرعة أعلى في الاستدلال، وقد يصل إلى أربعة أضعاف مقارنة بالنماذج التلقائية التي تعمل بشكل تسلسلي.
يأتي هذا الطرح في وقت ما زالت فيه الكثير من نماذج اللغة الكبيرة تعمل بطريقة تشبه الكتابة على لوحة المفاتيح، حيث يُبنى النص خطوة بعد خطوة من اليسار إلى اليمين. هذا الأسلوب فعال في كثير من السيناريوهات، لكنه قد لا يستفيد بالكامل من قدرات المعالجات الرسومية ووحدات تسريع الذكاء الاصطناعي، خصوصاً في الاستخدامات المحلية ذات المستخدم الواحد.
وترى جوجل أن DiffusionGemma قد يساعد في معالجة هذا القيد عبر توزيع العمل بصورة أوسع داخل كل دورة معالجة، ما يرفع كفاءة الاستخدام على الأجهزة المتوافرة محلياً ويقلل الوقت اللازم لإخراج النص النهائي.
كيف يختلف DiffusionGemma عن النماذج التقليدية
بدلاً من إنشاء النص بالتتابع، يعمل DiffusionGemma على صياغة مقاطع كاملة في وقت واحد، مستفيداً من تقنيات الانتشار التي تعرفها أيضاً نماذج توليد الصور. ففي هذا النوع من النماذج، يبدأ النظام عادة من حالة غير مكتملة أو عشوائية ثم يعيد تحسينها عبر عدة تمريرات حتى يصل إلى المخرجات النهائية.
تطبّق جوجل الفكرة نفسها على النص. يبدأ النموذج بما يشبه مساحة من الرموز الأولية غير المنظمة، ثم يعيد تقييمها وتحسينها على مراحل، مع إعطاء وزن أكبر للعناصر الأكثر أهمية في السياق. ووفقاً للشركة، يتيح هذا الأسلوب للنموذج تصحيح الأخطاء بشكل متكرر أثناء التوليد، بدلاً من انتظار اكتمال النص بالكامل قبل المراجعة.
وتقول جوجل إن هذا النهج يسمح بإنتاج 256 رمزاً بالتوازي في كل تمريرة، ما يمنح كل رمز قدرة على الانتباه إلى الرموز الأخرى داخل المقطع نفسه. هذه الخاصية قد تكون مفيدة في المهام التي لا تتبع مساراً خطياً بسيطاً، مثل كتابة الشيفرة البرمجية، أو إدخال النصوص في أماكن محددة، أو العمل على بنى معقدة تتطلب رؤية شاملة للسياق.
مواصفات النموذج والموارد التي يحتاجها
يستند DiffusionGemma إلى عائلة Gemma 4 وبحوث Gemini Diffusion التي طورتها جوجل. وهو نموذج Mixture-of-Experts بحجم 26 مليار معامل، لكن النموذج لا يفعّل سوى 3.8 مليار معامل أثناء الاستدلال، وهو ما يهدف إلى تقليل العبء الحاسوبي مع الحفاظ على الأداء في المهام المناسبة.
ومن أبرز مزاياه المعلنة أنه يمكن، بعد ضغطه أو تكميمه، أن يعمل ضمن ذاكرة فيديو سعتها 18 غيغابايت تقريباً، وهو مستوى يضعه ضمن نطاق الأجهزة الاستهلاكية المتقدمة، بما في ذلك بعض بطاقات الرسوميات عالية الأداء. كما أن جوجل تقول إن النموذج محسّن للعمل على منظومة Nvidia العتادية، بما يشمل بيئات الحوسبة الفائقة من فئات Hopper وBlackwell.
ويعني ذلك أن DiffusionGemma لا يستهدف فقط مراكز البيانات الكبيرة، بل أيضاً بيئات العمل المحلية التي تحتاج إلى سرعة استجابة عالية دون الاعتماد الكامل على البنية السحابية.
حالات الاستخدام التي تستفيد من النهج الجديد
ترى جوجل أن النموذج مناسب بشكل خاص للمهام التي تتطلب استجابة سريعة داخل بيئات محلية، مثل تحرير النصوص التفاعلي، أو المساعدة في كتابة الشيفرة، أو بناء مخرجات شبه فورية في التطبيقات التي تتعامل مع المستخدم مباشرة. وفي هذه الحالات، قد تمثل السرعة عامل تمييز أساسياً بقدر أهمية جودة المخرجات.
كما أن التصميم الجديد قد يكون مفيداً في الأعباء المرتبطة بخدمات العملاء أو الأدوات الداخلية التي تعتمد على تفاعل لحظي، خصوصاً عندما يكون هدف النظام هو تقديم إجابة سريعة وقابلة للتحسين التدريجي بدلاً من إخراج طويل عالي الكلفة.
وأشار محللون إلى أن نموذج التسعير القائم على احتساب الرموز قد يعاقب أحياناً الحلول الأقل كفاءة من الناحية الحاسوبية، في حين يمكن لنموذج مثل DiffusionGemma أن يقدم بديلاً أكثر ملاءمة لبعض الاستخدامات المتخصصة، لأنه يمنح المؤسسات قدرة أكبر على استغلال مواردها دون تضخيم فاتورة التشغيل.
القيود والتنازلات التقنية
رغم الوعود المتعلقة بالسرعة، تعترف جوجل بأن DiffusionGemma ليس بديلاً شاملاً لكل السيناريوهات. فهو مصمم أساساً لعمليات الاستدلال الصغيرة أو المتوسطة، ولبيئات الحوسبة التي تعمل على مسرّع واحد قادر على تحمل العبء المطلوب. وعندما ينتقل الاستخدام إلى منصات سحابية عالية الطلب تتعامل مع أعداد ضخمة جداً من الطلبات، تصبح مزايا التوازي أقل وضوحاً وقد ترتفع الكلفة التشغيلية.
وتشير الشركة أيضاً إلى أن جودة المخرجات في هذا النموذج أقل من جودة Gemma 4 القياسي المصمم للتطبيقات التي تعطي الأولوية القصوى للدقة. هذا الفارق مهم لأنه يوضح أن النموذج الجديد لا يستهدف الإحلال الكامل، بل يركز على فئة محددة من الاستخدامات حيث تكون السرعة والكفاءة أهم من الوصول إلى أعلى درجة من الإتقان اللغوي في كل مرة.
كما أن جوجل تلمّح إلى أن عمليات التحسين اللاحقة قد تعالج بعض أوجه القصور. فالنموذج قادر على إعادة تقييم مخرجاته في عدة جولات، ما يمنحه فرصة لتصحيح بعض الأخطاء أو رفع جودة بعض الأجزاء قبل اكتمال النص النهائي.
إتاحة مفتوحة وتأثيرات محتملة على المطورين
أحد العناصر اللافتة في إطلاق DiffusionGemma هو أنه يأتي برخصة Apache 2.0، ما يسمح للمطورين باستخدامه وتعديله وتوزيعه وحتى توظيفه تجارياً ضمن الشروط المعتادة لهذه الرخصة. هذا الانفتاح قد يسهّل على المجتمعات البرمجية تجربة النموذج وبناء أدوات فوقه دون قيود صارمة على إعادة الاستخدام.
كما يتوفر النموذج عبر عدة قنوات، من بينها Google Cloud Model Garden وNvidia NIM، إلى جانب حضوره على Hugging Face وGitHub وvLLM، مع الإشارة إلى أن دعماً إضافياً في llama.cpp سيصل لاحقاً. هذا التوزيع الواسع يضعه في متناول فئات مختلفة من المستخدمين، من الباحثين إلى فرق التطوير التي تفضل التشغيل المحلي أو البيئات الهجينة.
من الناحية العملية، قد يفتح DiffusionGemma الباب أمام جيل من التطبيقات التي توازن بين السرعة وحجم النموذج واستهلاك الموارد. وإذا نجحت الفكرة في اختبارات الاستخدام الحقيقي، فقد يصبح الانتقال من التوليد التسلسلي إلى التوليد الانتشاري أحد المسارات المهمة في تطور نماذج النصوص خلال المرحلة المقبلة.
لكن في المقابل، ستظل معايير الاختيار مرتبطة بطبيعة المهمة نفسها. فالنماذج التي تعمل بشكل خطي قد تبقى أفضل في بعض الأعمال التي تتطلب دقة نهائية عالية، بينما قد يجد DiffusionGemma مكانه في الحالات التي تكون فيها الاستجابة الفورية، وإعادة التحرير السريعة، وتخفيف الضغط على العتاد، هي الأولويات الأولى.