Stellen Sie sich ein Foto voller Bildrauschen vor. Jetzt entfernen Sie das Rauschen Stück für Stück, bis ein klares Bild übrig bleibt. Genau das macht ein Diffusionsmodell, nur startet es mit reinem Zufall.
So entsteht ein Bild aus Rauschen
Beim Training bekommt das Modell Bilder, die immer stärker verrauscht werden. Es lernt, das Rauschen wieder herauszurechnen. Die Grundlage dafür kam 2020 1.
Beim Erzeugen läuft es umgekehrt: Das Modell startet mit Zufall und entfernt das Rauschen in vielen kleinen Schritten. Ihr Prompt lenkt dabei die Richtung. Bekannt wurde das durch Bildgeneratoren wie Stable Diffusion.
Text mit Diffusion: ganzer Absatz statt Wort für Wort
Ein LLM schreibt von links nach rechts. Ein Diffusionsmodell entwirft mehrere Tokens auf einmal und verbessert sie in wenigen Durchgängen. Inception vergleicht das mit einem Lektor, der den ganzen Entwurf überarbeitet, und das LLM mit einer Schreibmaschine 2.
Weil viel parallel läuft, wird es schnell. Google nennt für DiffusionGemma bis zu 4-faches Tempo und über 1.000 Tokens pro Sekunde auf einer H100 3.
Tempo kostet Qualität
Google vergleicht beide Varianten selbst, und das ist ehrlich 3:
| Test | DiffusionGemma | Gemma 4 |
|---|---|---|
| MMLU Pro (Wissen) | 77,6 % | 82,6 % |
| AIME 2026 (Mathematik) | 69,1 % | 88,3 % |
Bei Mathematik ist der Abstand groß. Google empfiehlt selbst, für höchste Qualität beim normalen Gemma 4 zu bleiben.
Wann ich Diffusion nehmen würde
Für Bilder ist Diffusion normal. Für Text würde ich es dort testen, wo Geschwindigkeit wichtiger ist als die letzten Prozentpunkte: Autovervollständigung, kurze Antworten, Zwischenschritte in Agenten.
Für wichtige Texte oder schwierige Rechenaufgaben bleibe ich beim LLM. Noch schneller soll übrigens NCM sein.
Stand: 01.11.2026. Herstellerzahlen sind nicht unabhängig geprüft. Titelbild: KI-generiert (MiniMax image-01).
Quellen
- Ho, Jain, Abbeel: Denoising Diffusion Probabilistic Models, 2020, arXiv:2006.11239.
- Inception: Introducing Mercury 2. https://www.inceptionlabs.ai/blog/introducing-mercury-2
- Google: DiffusionGemma, 10.06.2026, und Model Card. https://blog.google/innovation-and-ai/technology/developers-tools/diffusion-gemma-faster-text-generation/ und https://ai.google.dev/gemma/docs/diffusiongemma/model_card
- OpenRouter: Mercury 2, abgerufen 01.11.2026. https://openrouter.ai/inception/mercury-2