Tahle AI nepíše slovo po slově. V Šen-čenu na ni sehnali rekordní kolo

Rekordní kolo z Šen-čenu

Firmu založil profesor Kong Lingpeng, který vede NLP laboratoř na hongkongské univerzitě a dříve působil v DeepMind. Společně s ním stojí u zrodu dvojice doktorandů z Hongkongu, Gong Shansan a Ye Jiacheng, a další členové týmu. Jádro skupiny se difúzním jazykovým modelům věnuje už od roku 2022, tedy dřív, než se o téhle technické cestě začalo mluvit ve velkém.

První kola financování vedou fondy Matrix Partners China, Shunwei Capital a Legend Capital, další peníze přidaly CAS Star, Huawei Hubble a Horizon Robotics. Celková částka je „několik stovek milionů jüanů", tedy v přepočtu zhruba jedna až tři miliardy korun. Přesnou sumu firma nezveřejnila. I tak jde podle ChinaVenture o nový světový rekord v sektoru dLLM.

Pozoruhodná je skladba investorů. Peníze od Huawei Hubble a Horizon Robotics naznačují, že DiffuSpace míří vedle jazykových modelů i směrem k robotice, autonomnímu řízení a zařízením na okraji sítě. Šen-čen, kde firma sídlí, nabízí kompletní dodavatelský řetězec pro čipy, auta a roboty.

Jak funguje model, který nepíše slovo po slově

GPT, Claude i Gemini fungují autoregresivně. Generují token po tokenu zleva doprava, jako když někdo diktuje text a každé další slovo čeká na to předchozí. Kong to přirovnává k řadě „1, 2", po které model předpoví „3". Vždy jen jedno číslo za druhým.

Difúzní model postupuje opačně. Dostane sekvenci s více prázdnými místy a doplňuje je naráz. Jednotlivé pozice se navzájem opravují. V praxi to znamená tři výhody: vygenerovaný text lze později upravovat, při psaní se bere v úvahu širší kontext a výpočetní výkon jde směřovat tam, kde je úloha těžší.

Nejde přitom o jednoduchý přenos z generování obrázků. Obrázek se zpracovává jako spojitý signál, zatímco jazyk je tvořen samostatnými tokeny a věta musí zároveň dávat smysl gramaticky i významově. Tým proto musel postavit vlastní trénovací postup šitý na diskrétní jazykové signály.

Dream 7B a co umí

První velký výsledek zveřejnil tým v dubnu 2025. Model Dream 7B má sedm miliard parametrů a je open source. Od té doby ho na HuggingFace stáhli uživatelé přes 2,5 milionkrát.

Na velikosti tady záleží. Dream 7B podle týmu v úlohách z matematiky, programování a plánování předčil autoregresivní modely se stejným počtem parametrů a v části ukazatelů se vyrovnal modelu DeepSeek V3, který má 671 miliard parametrů. To je zhruba 96krát větší model. Tvrdit, že Dream 7B nahradí DeepSeek V3, by bylo přehnané – srovnání se týká jen vybraných úloh, ne celkové kvality.

Na konferenci ICML se Dream 7B dostal do výčtu tří reprezentativních difúzních modelů vedle Google Gemini Diffusion a Inception Mercury. Směr celkově zrychluje: za prvních osm měsíců roku 2026 vyšlo v oboru 2,4krát víc odborných prací než za celý rok 2025. Google navíc vydal otevřený DiffusionGemma a Ant Group model LLaDA 2.2.

Co se týče rychlosti, uvádí spoluzakladatel Gong Shansan konkrétní číslo. Při stejném GPU, stejné délce výstupu a jednom uživateli na dotaz generuje difúzní model DiffuSpace zhruba desetkrát rychleji než běžné autoregresivní modely. Firma teď trénuje další generaci s větším počtem parametrů a plánuje ji brzy zveřejnit a uvolnit jako open source.

Kde to najde uplatnění

DiffuSpace sází na tři směry: generování kódu, takzvanou ztělesněnou inteligenci a autonomní řízení. Všechny mají společnou vlastnost – správné pořadí kroků se u nich ne vždy čte zleva doprava. Programátor staví strukturu, doplňuje detaily a mezi částmi se vrací. Difúzní model dokáže kód zpracovávat v podobném, pružnějším pořadí.

V září 2026 firma oznámila spolupráci s asijskou platformou Acrab zaměřenou na agentní výpočty. Společně ladili agenty běžící přímo na zařízeních. V testech se díky paralelnímu generování dLLM zrychlil běh agentů na koncových zařízeních až pětinásobně.

Limity a co z toho plyne

Nadšení je na místě, ověřeno v praxi je zatím málo. U kódu musí model ukázat, že opakované opravy mezi různými pozicemi fungují stabilně i v reálném použití. U robotiky a autonomního řízení se teprve uvidí, jak zvládne plánování a korekce v delších akčních sekvencích.

Ani autoregresivní modely nestojí. Zvyšují parametry a zlepšují trénink i usuzování. DiffuSpace na to má jasnou odpověď: u úloh, které se nehodí pro přísné řazení zleva doprava, musí autoregresivní model za srovnatelný výsledek zaplatit víc výpočetního výkonu a dat.

Gong Shansan připouští dvě možné budoucnosti – buď difúzní modely postupně nahradí autoregresivní jako hlavní směr, nebo spolu oba přístupy dlouhodobě obstojí a rozdělí si scénáře. Pro české vývojáře je dobrá zpráva, že Dream 7B je volně ke stažení na HuggingFace, takže si model může vyzkoušet každý bez ohledu na to, že firma sídlí v Číně. Českou lokalizaci ani evropskou podporu zatím nikdo neavizoval.