【ヤバい速度】DiffusionGemmaが妊娠検査薬チップで1,500トークン/秒を叩き出した件 ─ Qwen、どこいった？

2026年6月12日 07:45

まとめ: DiffusionGemmaは「1トークンずつ出す」じゃなくて「まとめてドバッと出す」拡散型アーキテクチャで、激安ハードでも1,500 tk/sを実現してる。コスパ的にはQwenの立場が揺らぐレベルで、BGM制作やプロンプト作業のローカル化が一気に現実的になった。

「妊娠検査薬のチップで動く」って何の話？

これ、最初に見たとき「？？？」ってなった。

「Digital Pregnancy Test」って2020年くらいにバズったネタがあって、市販の妊娠検査薬（Clearblue）に乗ってるマイコンが「意外と高スペックじゃん」って話なんだけど、あのチップは動作クロック数MHz・メモリ数KBレベルの超ミニマム構成。

そのくらい小さいチップを例えに使って「DiffusionGemmaはそこまで軽いハードで動く」って言ってるわけじゃないんだけど、意味するのは「今まで重くて敬遠されてたローカルLLMが、驚くほど貧弱なハードで高速動作する時代になった」ってこと。

1,500 tk/s。これ、GPT-4oがクラウド越しで返してくる速度より速い。

DiffusionGemmaが普通のLLMと何が違うのか

普通のLLM（GPT系・Qwen・LLaMAなど）は自己回帰型（autoregressive）っていって、トークンを1個ずつ順番に生成する。「お」→「は」→「よ」→「う」って感じ。

DiffusionGemmaは拡散型（diffusion-based）で、画像生成AIのStable Diffusionと同じ発想をテキストに適用してる。ノイズから一気に「それっぽい文章」を引き出す方式で、複数トークンを並列に生成できる。

モデル方式生成方法速度の限界自己回帰型（GPT系） 1トークンずつ順番 GPUのメモリ帯域に直結拡散型（DiffusionGemma）複数トークンを並列イテレーション回数で調整可

この並列性のおかげで、同じハードウェアでも圧倒的にスループットが上がる。特に推論時のメモリ転送ボトルネックが減るので、低スペックハードでも実用速度が出やすい。

ハイライト: 自己回帰LLMの「1トークンずつ」という制約を根本的に破っているのがDiffusionGemmaの強さ。

1,500 tk/sって実際どのくらい速いの？

体感で言うと、普通のLLM速度感はこんな感じ：

モデル・環境目安速度 GPT-4o（API・クラウド） 50〜100 tk/s Llama 3.1 8B（ローカル M2 Mac） 30〜80 tk/s Qwen2.5 7B（ローカル M2 Mac） 40〜90 tk/s DiffusionGemma（最適化済み） 〜1,500 tk/s

自分が使ってるM2 Mac miniのLM Studioで8Bクラスを動かすと大体40〜70 tk/sくらい出るんだけど、DiffusionGemmaが1,500 tk/sを叩き出すっていうのは文字通り桁が違う。

200トークンの返答（ざっくり150文字くらい）が0.13秒で返ってくる計算。体感的にはもはや「考えてる感」がゼロ。

ただし注意点があって、拡散型は生成の「品質」と「速度」のトレードオフがある。イテレーション数を増やすと品質が上がるが速度が落ちる。1,500 tk/sは最速設定での数字なので、実用品質ではもう少し遅くなる場合もある。

Qwen終了宣言は本当？

結論から言うと「全部がQwen終了ではない」けど、ローカル推論コスト勝負ではDiffusionGemmaが有利すぎるのは事実。

Qwen2.5シリーズはコーディングや多言語で優秀だし、今でも自分のメインローカルモデルはgemma-4だけど使い方は変わってくると思う。

整理するとこんな感じ：

用途向いてるモデル高速テキスト生成・プロンプト量産 DiffusionGemma コーディング・コード補完 Qwen2.5 Coder 多言語混在タスク Qwen2.5 / Llama系長文・複雑な推論大型クラウドモデル

「Qwen Who?」って言いたくなる気持ちはわかるけど、まだ完全に置き換わるものじゃない。ただ、「とにかく速くテキストを出したい」場面ではゲームチェンジャーなのは間違いない。

BGM・動画制作への影響

自分みたいにSunoやUdioでBGM作ってる人間にとって、これが何を意味するかっていうと：

プロンプト生成の完全ローカル化。

いまはSunoに渡すプロンプトを考えるのにClaude使ったりしてるけど、DiffusionGemmaレベルの速度でローカル動作するなら、そのプロセスが完全にオフライン・無料で回せる。

「このBGMに合いそうなジャンル・楽器を10パターン出して」→ 0.2秒で返ってくる
「このサムネ用キャプション15案作って」→ 即時
「Shorts向け台本を5テイク生成して」→ 1秒以内

クラウドAPIを叩く必要もないし、レート制限も関係ない。月額ゼロで無限に叩ける。

ハイライト: 高速ローカルLLMは「プロンプト生成コスト ≈ 0円」を実現する。クラウド依存から脱却できる最初のステップ。

実際に試すには

2026年6月時点では、DiffusionGemmaはまだ「研究フェーズ→実用化直前」の状態。試す方法は主に2つ：

方法1: HuggingFace経由

# transformersとdiffusers最新版が必要
pip install --upgrade transformers diffusers accelerate

# モデルIDは公式確認（2026年6月時点の例）
# google/diffusion-gemma-2b など

公式リポジトリで配布されてる場合はそのままtransformersで動く。ただし日本語対応や量子化の状況はリリース時点で確認必須。

方法2: LM Studio / Ollama 経由（推奨）

LM Studioが対応モデルを取り込んだら、GUIからワンクリックで動く。速度メリットを最大化するにはGGUF形式のQ4_K_M量子化版を選ぶのが現実的。

モデル検索: DiffusionGemma
量子化: Q4_K_M（品質と速度のバランス）
スレッド数: CPU最大値に設定

Mac miniのM2（16GB）でも快適に動く見込み。

まとめ

自分が今一番注目してるのはこのポイント：

拡散型LLMは「並列生成」で1,500 tk/sを実現
激安ハードで動くということはローカル完結が一気に現実的
BGM・Shorts制作のプロンプト生成がゼロコスト化できる
Qwenが終わったわけじゃないが、用途の棲み分けが変わる

まだ実用安定版ではないけど、半年以内に主要なローカルLLMランナーが対応してくると思う。今のうちにアーキテクチャの違いを理解しておくと、使い始めたときにすぐ使いこなせる。

出典

この記事では、以下の情報ソースを参照しています。

いいなと思ったら応援しよう！

応援お願い、AI進化の資金にさせてもらうね！