扩散语言模型来了：英伟达三模式模型让 AI 一次吐出几十个字

你有没有注意到，和 AI 聊天时字是一个一个"蹦"出来的？这背后是一个深层瓶颈：主流大模型必须逐字生成，每出一个字，都得等上一个字完全确定才能想下一个。用户少时无所谓，可当服务器同时面对成千上万用户，GPU 明明能并行，却被逼排队。

这几年业界一直在试扩散模型：与其一字一字写，不如先扔出一堆"噪声占位符"，再一次性把它们都变成有意义的文字——一次生成好几十个字。像雕塑家先捏出泥人轮廓，再同时精雕所有细节。但现实骨感：现有扩散模型生成质量不如逐字模型，加速优势也不明显。

图：从"一个字一个字说"到"整段一起想"

英伟达的 Nemotron-Labs-Diffusion 把逐字、扩散、以及一个全新的"自猜自验"模式融进同一个 8B 开源检查点。它让单一模型同时承担"起草"和"验证"，不再需要额外的小模型做投机解码。专家提醒，这类增益常和特定硬件栈（如 GB200）绑定。但它确实把那个老问题往前推了一步：扩散和自回归，究竟是竞争还是互补？

关联推荐

• Kimi K3-256k 发布 — 同为 2026 开源架构创新
• AI for Science — 推理加速同样决定科研智能体快慢

---