全新大型语言模型Gemini Diffusion，是Google首次将扩散式（Diffusion-based）生成机制应用于人工智慧文字生成领域的实验性产品。不同于现有多数以自我迴归（Autoregressive）架构、逐字生成的语言模型，Gemini Diffusion导入扩散模型概念，强调可同时生成多个Token，并能于生成过程中持续修正内容，有效提升效率与品质。

根据Google说明，传统大型语言模型如Gemini 2.0及OpenAI GPT系列，均以自我迴归方式运作，每次依据前序Token预测下一个Token，直至完成整段文字。这种逐步生成机制虽在语言理解与产出已具成熟应用，但在长文本、多轮互动或需快速产生内容的情境，易受生成速度与一致性限制，也可能有错误累积等问题。

Gemini Diffusion的技术基础，来自近年影像生成领域广泛採用的扩散式生成模型，如Stable Diffusion等，这些模型证明扩散式生成方法具备良好的资料复原与生成效能。Gemini Diffusion将此机制导入文字生成，据现有资讯，模型主要以高比例遮罩（Mask）或近似杂讯的Token序列为起点，经多轮反覆修正，逐步复原出品质与一致性兼具的文字内容。

Google公开的内部基準测试显示，Gemini Diffusion在部分文字生成任务的运算速度有着明显提升，官方资料最高平均达每秒1,479 Token，明显高于Gemini 2.0 Flash-Lite等传统模型。在程序码、数学及科学等基準测试，Gemini Diffusion也展现出高速与内容一致性的潜力，模型在生成过程会自动修正错误，有助于长文本、结构化资料与程序码片段等需高一致性的应用情境。

针对Gemini Diffusion的体验，知名框架Django专案共同创办人Simon Willison于个人部落格分享测试体验，他测试Gemini Diffusion后认为模型生成速度显着提升，并认为Google所宣称的速度毫不夸张。Simon Willison引用Google资料表示，Gemini Diffusion可在维持类似品质下，达到Gemini 2.0 Flash-Lite模型5倍的生成速度，他以建置模拟聊天应用程序为测试，Gemini Diffusion仅需数秒即可产生互动式HTML及JavaScript页面。

Gemini Diffusion目前仍属实验性产品，Google现开放有兴趣的开发者申请候补名单参与测试。