Gemini Diffusion
Gemini Diffusion est un LLM propriétaire de Google, publié le 20 mai 2025, avec des poids non ouverts. Avec environ un an d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, où les cycles de remplacement sont très rapides.
Gemini Diffusion est un LLM propriétaire de Google, publié le 20 mai 2025, avec des poids non ouverts. Avec environ un an d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, où les cycles de remplacement sont très rapides.
Son intérêt est surtout de situer une proposition Google dans le paysage des LLM de 2025. La comparaison pertinente se fait avec les modèles de sa période, car ses performances sont probablement dépassées par les modèles actuels et son maintien au catalogue actif n’est pas garanti.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Licence | Proprietary (poids non ouverts) |
| Date de sortie | 20 mai 2025 |
| Multimodal | non |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| HumanEval | 89,6 % | 14ᵉ / 65 | llm-stats | Auto-déclaré |
| MBPP | 76,0 % | 17ᵉ / 33 | llm-stats | Auto-déclaré |
| Global-MMLU-Lite | 69,1 % | 8ᵉ / 14 | llm-stats | Auto-déclaré |
| GPQA | 40,4 % | 183ᵉ / 213 | llm-stats | Auto-déclaré |
| LiveCodeBench | 30,9 % | 60ᵉ / 72 | llm-stats | Auto-déclaré |
| AIME 2025 | 23,3 % | 104ᵉ / 108 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 22,9 % | 98ᵉ / 100 | llm-stats | Auto-déclaré |
| BIG-Bench Extra Hard | 15,0 % | 9ᵉ / 11 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. À sa sortie, Gemini Diffusion n’était pas un modèle marginal dans sa génération : sur GPQA, il figurait dans le top 74% des 98 LLM comparables publiés dans une fenêtre de plus ou moins neuf mois. Ce positionnement indique un niveau exploitable sur ce benchmark à l’époque, sans le placer parmi les modèles les plus dominants de sa cohorte. Son rattachement à Google le situe aussi dans la famille des LLM propriétaires intégrés à un écosystème industriel, avec une distribution contrôlée plutôt qu’une diffusion ouverte des poids.
Limites et points d’attention. Le principal point faible est l’ancienneté : environ un an représente déjà un écart important dans l’IA générative, et le modèle doit être lu comme une référence de sa période plutôt que comme une option actuelle. Ses performances sont aujourd’hui probablement largement dépassées par les modèles haut de gamme plus récents. La licence propriétaire limite l’audit indépendant, la reproduction et l’hébergement autonome, puisque les poids ne sont pas ouverts. La couverture publique disponible est également réduite, avec une seule source de données concordante, ce qui restreint l’analyse au classement GPQA et aux informations de base connues.
Sources des données : LLM-Stats (llm-stats.com).