vLLM 祝贺 Google DeepMind 发布 DiffusionGemma，首个原生支持的…

事件维度：vLLM 补上扩散模型推理的最后一块拼图

6 月 10 日，vLLM 项目方在 X 平台公开祝贺 Google DeepMind 发布 DiffusionGemma，并强调这是 vLLM 历史上首个原生支持的扩散模型。DiffusionGemma 脱胎于 Gemma4 家族，参数量 26B，核心创新在于块级并行去噪（block-level parallel denoising），能够在生成过程中跨多个 token block 并行执行扩散步骤，从而大幅削减时延。

此次合作的意义在于：过去扩散模型（Diffusion Model）因推理路径与自回归模型（AR）差异巨大，通常需要专用的推理框架（如 AAI Research 的 Quark 或 Stability AI 的推理引擎）。vLLM 凭借其 PagedAttention 和连续批处理能力，首次将扩散模型纳入统一推理栈，意味着企业用户可以用管理 LLM 相同的基础设施同时跑 AR 和 Diffusion 模型，降低运维复杂度。

行业影响与技术壁垒

从数字来看，单卡 H200（FP8 精度）吞吐量超过 1200