ИИ научился писать текст не по слову в очередь, а весь блок разом — и это в 4 раза быстрее

Почти все нейросети, к которым мы привыкли, пишут текст одинаково: слово за словом, слева направо, каждое следующее — только после предыдущего. Летом 2026 в открытый доступ вышла DiffusionGemma от Google, а следом свою диффузионную модель показала NVIDIA — и обе работают иначе. Они не выстраивают слова в очередь, а генерируют сразу весь блок и потом несколько раз его уточняют. На обычной игровой видеокарте это даёт больше тысячи слов в секунду и примерно четырёхкратный прирост скорости. Разберёмся, что за этим стоит и кому это реально пригодится.

Как обычный ИИ пишет: по одному слову, и каждое ждёт своей очереди

Возьмите привычный чат-бот. Внутри он предсказывает следующее слово по всему, что было до него. Написал слово — пересчитал всё заново — написал следующее. Отсюда та самая «печатная машинка», когда ответ на экране проявляется по кусочку. Для человека это выглядит живо, но за кулисами это узкое горлышко: пятисотое слово нельзя начать считать, пока не готово четыреста девяносто девятое. Чем длиннее ответ, тем длиннее очередь.

И вот что важно про железо. Видеокарта большую часть времени в таком режиме не считает, а перекладывает данные из памяти туда-сюда под каждое очередное слово. Мощность простаивает. Получается дорого и не так быстро, как могло бы быть.

Диффузия: текст проявляется целиком, как старая фотография

Диффузионная модель заходит с другой стороны. Она берёт заготовку нужной длины — скажем, блок на 256 слов — и заполняет её случайным шумом, пустыми ячейками-заглушками. А дальше делает несколько проходов и на каждом уточняет сразу всю картину: где-то фиксирует явно верное слово, а остальные подгоняет уже по этим опорным точкам. Так за несколько шагов мутный блок превращается в осмысленный текст.

Ближайшая аналогия — проявка снимка. Сначала на бумаге муть, потом проступают контуры, потом детали, и в конце — резкое изображение. Модель не идёт слева направо; она видит будущий текст с обоих концов сразу и правит его целиком.

Откуда берётся скорость — и почему это разговор про деньги

Главный выигрыш в том, что слова считаются не по очереди, а пачкой, параллельно. Видеокарта наконец занимается тем, что умеет лучше всего, — считает много всего одновременно, а не гоняет данные под каждое слово. Отсюда и цифры: тысяча с лишним слов в секунду на потребительской карте, ускорение в разы против классического подхода.

Скорость в мире ИИ — это напрямую цена. Бизнес платит за вычисления: за каждый ответ бота, за каждую обработанную заявку, за каждый сгенерированный черновик. Если тот же объём текста получается вчетверо быстрее и грузит железо плотнее, то и стоит он ощутимо меньше. А там, где ответ нужен мгновенно — голосовой помощник, живой чат на сайте, — задержка в полсекунды решает, дослушает клиент или бросит трубку.

Ещё один плюс: модель может править себя по ходу

У классической модели слово, однажды написанное, уже не переписать — она едет только вперёд. Диффузионная на каждом проходе пересматривает весь блок и может исправить то, что напортачила на прошлом шаге. Плюс у неё есть удобная ручка: хочешь быстрее — делай меньше проходов, хочешь чище результат — добавь проходов. Скорость и качество можно менять под задачу, а не выбирать раз и навсегда.

Особенно органично это ложится на черновики, редактуру, дописывание кода и структурированный текст — то есть на всё, где надо быстро выдать заготовку и тут же поправить сразу несколько мест, а не переписывать с нуля.

Где подвох

Технология молодая, и это чувствуется. Длину блока часто надо задавать заранее — с очень длинными и свободными по объёму ответами пока сложнее, чем у привычных моделей. На самых тонких рассуждениях классический подход местами всё ещё аккуратнее, и за скорость иногда приходится платить мелкими шероховатостями. Инструментов, обвязки и готовых интеграций вокруг диффузионных моделей заметно меньше — экосистема только складывается. Это не замена всему сразу, а второй рабочий инструмент, у которого свои сильные стороны.

Что это меняет для бизнеса

Для владельца компании суть простая: та же польза от ИИ начинает стоить дешевле и отвечать быстрее. Массовые сценарии — сортировка заявок, ответы в чате, генерация карточек и описаний, черновики писем и постов — это ровно те места, где важнее скорость и цена потока, а не литературный блеск. Именно там новый способ генерации даёт максимум. А выбор, какую модель поставить под конкретную задачу и как собрать из неё рабочего агента, — уже отдельная инженерная работа: в МАВИИ мы этим и занимаемся, подбирая под бизнес не самое громкое, а самое подходящее.

Вывод

Мы привыкли, что ИИ печатает текст по слову, будто человек за клавиатурой. Диффузионные модели показывают, что это не единственный путь: текст можно проявлять целиком, быстрее и дешевле. Пока это второй инструмент рядом с привычным, а не его замена. Но направление понятное — ИИ-ответы становятся быстрее и доступнее, и для бизнеса это разговор ровно о том, во сколько ему обходится каждая тысяча слов, которую пишет за него машина.