구글 디퓨전제마, 단어별 생성 대신 노이즈 기반 텍스트 생성
구글이 기존의 단어 단연 순차 생성 방식이 아닌, 이미지 AI에서 쓰이는 디퓨전 방식을 적용해 한 번에 256개의 토큰 블록을 생성하는 실험적 언어 모델 '디퓨전제마(DiffusionGemma)'를 공개했습니다. 이 모델은 GPU의 연산 능력을 극대화하여 단일 사용자 환경에서 기존 모델 대비 최대 4배 빠른 처리 속도를 보여줍니다. 비록 텍스트 품질은 기존 모델에 미치지 못하지만, 기존 텍스트 중간 삽입이나 코드 빈칸 채우기 등 비선형 작업에 탁월한 성능을 발휘하며 새로운 활용 가능성을 제시합니다.
구글의 새로운 오픈 모델 '디퓨전제마(DiffusionGemma)'는 단어를 하나씩 순차적으로 생성하는 대신 노이즈(Noise)로부터 텍스트를 생성합니다.
조나단 켐퍼(Jonathan Kemper) | 2026년 6월 10일
구글 핵심 요약 구글은 디퓨전(Diffusion) 기반 방식을 사용하여 텍스트를 생성하는 실험적 언어 모델 '디퓨전제마(DiffusionGemma)'를 공개했습니다. 이 모덜은 단어를 하나씩 생성하는 대신 한 번에 256개의 토큰 블록을 생성합니다. 토큰을 병렬로 처리함으로써 GPU(그래픽 처리 장치)를 더 효율적으로 활용하여, 단독 GPU 환경의 단일 사용자 모드에서 기존 모델 대비 최대 4배 빠른 속도를 달성합니다. 생성된 텍스트의 품질은 기존 모델에 비해 다소 떨어지지만, 이러한 방식은 사후 텍스트 삽입이나 프로그램 코드의 빈칸을 채우는 등 비선형 작업에 특히 적합합니다.
구글은 단어를 하나씩 생성하는 기존 방식이 아닌, 디퓨전을 통해 텍스트를 생성하는 오픈 웨이트(Open Weight) 실험적 모델을 공개했습니다. 단일 GPU 환경에서 단일 사용자 모드로 실행할 때 기존 언어 모델보다 최대 4배 빠르게 작동합니다. 엔비디아(Nvidia)가 하드웨어 최적화를 담당했습니다.
대부분의 언어 모델은 이전 토큰을 바탕으로 새로운 토큰을 하나씩 순차적으로 생성(자가회귀, Autoregressive)합니다. 하지만 디퓨전제마는 다른 접근 방식을 취합니다. 처음에는 256개의 무작위 플레이스홀더(Placeholder) 토큰 블록으로 시작하여, 읽을 수 있는 텍스트가 만들어질 때까지 여러 차례에 걸쳐 이를 다듬습니다. 이 개념은 노이즈를 선명한 이미지로 바꾸는 이미지 생성 AI의 디퓨전 모델에서 가져온 것입니다.
이 모델은 총 260억 개의 파라미터를 가지고 있지만, 단계별로 활성화되는 파라미터는 38억 개에 불과합니다. 이는 전문화된 여러 서브 네트워크가 나란히 존재하며 입력에 따라 필요한 네트워크만 작동하는 '혼합 전문가(Mixture-of-Experts)' 아키텍처 덕분입니다. 구글에 따르면, 정밀도를 낮추는 양자화(Quantization)를 적용하면 고급 소비자용 GPU에서도 18GB의 VRAM만으로 모델을 실행할 수 있습니다. 이 모델은 제마 4(Gemma 4) 패밀리를 기반으로 하며, 구글의 이전 연구인 '제미나이 디퓨전(Gemini Diffusion)'의 디퓨전 과정을 도입했습니다.
향상된 GPU 활용도가 속도 향상의 비결 엔비디아는 디퓨전제마의 속도 우위가 하드웨어 활용도에 있다고 설명합니다. 자가회귀 모델의 경우 단일 사용자 환경에서의 추론(Inference)은 종종 메모리 대역폭의 병목 현상을 겪습니다. GPU의 연산 유닛은 대부분의 시간을 유휴 상태로 보내며 메모리에서 데이터가 오기만을 기다립니다. 엔지니어들은 이를 '메모리 바운드(Memory-bound)' 상태라고 부릅니다.
디퓨전제마는 최대 256개의 토큰을 병렬로 처리하여 이 문제를 우회하며, 병목 현상을 메모리가 아닌 연산 자체로 옮깁니다. 그 결과 GPU가 실제로 계속해서 작업을 수행하게 됩니다.
엔비디아에 따르면 단일 요청을 처리할 때 엔비디아 H100에서 초당 약 1,000개의 토큰을 처리하며, DGX Spark 데스크사이드 시스템에서는 초당 150개, DGX Station에서는 초당 최대 800개의 토큰을 처리합니다. 지포스 RTX 5090에서는 초당 700개 이상의 토큰을 처리한다고 구글은 밝혔습니다. 단일 사용자 로컬 모드에서 전용 GPU를 사용할 경우, 이 모델은 유사한 자가회귀 모델보다 약 4배 빠르게 실행됩니다.
구글은 이러한 효과가 전용 가속기(Accelerator) 환경에서 발생한다고 설명합니다. 애플 실리콘(Apple Silicon)과 같은 공유 메모리 구조는 추론 과정에서 자체적으로 메모리 대역폭 제한을 받는 경우가 많기 때문에, 자가회귀 모델과의 속도 격차가 더 좁아질 가능성이 높습니다.
반면, 수많은 요청이 병렬로 들어오는 클라우드 서비스 환경에서는 상황이 반대가 됩니다. 이 시나리오에서는 자가회귀 모델 이미 하드웨어를 최대한 활용하고 있기 때문에 디퓨전제마를 사용하면 오히려 비용이 증가할 수 있다고 구글은 덧붙였습니다.
속도를 위해 품질을 맞바꾼 대신 열리는 새로운 활용처 디퓨전제마는 출력 품질을 희생하여 속도를 얻었습니다. 구글은 품질이 가장 중요한 경우에는 여전히 기존 정규 제마 4 모델을 권장하며, 디퓨전제마는 로컬 환경에서 빠르게 작업해야 하는 연구원 및 개발자들을 위한 실험용 도구로 자리 매김하고 있습니다.
구글이 이 모델의 진정한 강점을 보는 곳은 '왼쪽에서 오른쪽으로(순차적)' 진행하지 않아도 되는 작업들입니다. 이 모델은 전체 블록을 한 번에 고려하기 때문에 토큰이 생성되는 동안 각 토큰이 다른 모든 토큰(자신보다 뒤에 나올 토큰 포함)을 참조할 수 있습니다. 반면, 기존의 전통적인 언어 모델은 이미 지나간 앞의 토큰만 돌아볼 수 있습니다.
이러한 특성 덕분에 이 모델은 기존 문단에 텍스트를 삽입하거나, 코드의 빈 공간을 채우거나, 아미노산 서열이나 수학 공식과 같은 구조화된 데이터를 다루는 데 매우 유용합니다.