DeepMind 三线并进：开源端侧、文本扩散与实时语音
本期导语
本月（6 月 1 日至 30 日）AI 端三条精选都出自 Google DeepMind。开源端侧上，Gemma 4 12B 用无编码器统一架构把音视频直灌主干、16GB 显存本地可跑、逼近 26B MoE，Gemma 4 系列下载破 1.5 亿。生成加速上，DiffusionGemma 以文本扩散并行生成整段、单卡最高提速 4 倍。实时语音上，Gemini 3.5 Live Translate 边说边译、覆盖 70+ 语言并进多款 Google 产品。三条共同指向：把模型能力压向本地与实时两端。
本期看点
端侧开源模型实时语音翻译
端侧开源模型
Gemma 4 12B 与 DiffusionGemma 均以 Apache 2.0 开源、主打本地运行。Gemma 4 12B 用无编码器统一架构把图像与音频直接接入 LLM 主干、16GB 显存即可本地跑、标准基准逼近 26B MoE、内置 Multi-Token Prediction 草稿器降延迟；DiffusionGemma 是 26B MoE 文本扩散模型，一次并行生成 256 token 整块、单卡 H100 超 1000 token/秒、最高提速 4 倍，量化后 3.8B 激活可进 18GB 显存。Gemma 4 系列下载量破 1.5 亿。
DiffusionGemma 开源：26B MoE 文本扩散模型一次并行生成整段文本、单卡 H100 超 1000 token/秒Google DeepMind 发布实验性开源模型 DiffusionGemma（Apache 2.0）：跳出自回归逐 token 生成，以文本扩散一次并行生成整段文字，在专用 GPU 上把生成速度提到 4 倍——单张 H100 超 1000 token/秒、RTX 5090 超 700 token/秒。它是 26B 总参数的 MoE、推理时只激活 3.8B，量化后可进消费级高端卡的 18GB 显存。双向注意力让每个 token 关注全块，擅长行内编辑、代码填充等非线性任务，…Gemma 4 12B 开源：去掉多模态编码器、把图像与音频直灌进 LLM 主干，16GB 内存即可笔记本本地跑、性能接近 26B MoEGoogle DeepMind 发布 Gemma 4 12B，一款把 agentic 多模态智能带到笔记本的开源模型，填补面向边缘的 E4B 与更强的 26B MoE 之间的空档，也是首个支持原生音频输入的中型 Gemma。架构上的关键是无编码器：视觉用一个单次矩阵乘加位置编码与归一化的轻量嵌入模块替换掉原视觉编码器，音频则彻底移除编码器、把原始音频信号投影到与文本 token 同一维度空间，由 LLM 主干直接处理，从而降低延迟与显存。它在标准基准上逼近 26B MoE、内…实时语音翻译
Gemini 3.5 Live Translate 在语音流式传输时即处理、边说边译，覆盖 70+ 语言并保留说话人语调，进入 Google 翻译、Google Meet 与 Gemini Live API，Meet 从 5 种语言扩到 70+、单场支持 2000+ 语言组合；所有生成音频带 SynthID 水印。
Gemini 3.5 Live Translate：近实时语音到语音翻译覆盖 70+ 语言、边说边译不等待，进 Google 翻译、Meet 与 Live APIGoogle DeepMind 发布 Gemini 3.5 Live Translate，一款近实时语音到语音翻译的最新音频模型。它自动识别 70+ 语言，生成的译文语音保留说话人的语调、语速与音高；不同于等对方说完才回应的回合制，它边听边持续生成，把译文始终控制在说话人之后几秒、没有生硬停顿。今日开始在多款 Google 产品铺开：开发者可在 Gemini Live API 与 Google AI Studio 公开预览，企业本月起在 Google Meet 私密预览，所有…其它期 ↗本期刊物按 2026 年 6 月 这一期的时间窗整理生成，范围是当前工作区发布的这一份内容包；条目版权归原作者与信源所有。