Gemini Diffusion: una guida con 8 esempi pratici

Questo consente:

• Generazione di testo più veloce (fino a 1479 token/sec)
• Blocchi di testo più coerenti
• Workflow di editing in tempo reale migliori

Quindi, ora non aspetti più una parola alla volta, ma vedi subito un risultato completo e rifinito. Questo rende Gemini Diffusion uno dei modelli più veloci in termini di velocità di campionamento rilasciati da Google per attività di generazione in tempo reale. Ecco alcuni benchmark in cui questo modello eccelle nel produrre risultati così notevoli.

Come accedere a Gemini Diffusion?

Al momento della scrittura, Gemini Diffusion è disponibile come demo sperimentale solo per utenti invitati. Funziona interamente nel browser e supporta interazioni con testo, codice, canvas e audio (tramite generazione sonora MIDI integrata).

Per iniziare:

1. Vai al modulo di lista d'attesa di Gemini Diffusion
2. Accedi con il tuo account Google
3. Attendi l'approvazione dell'accesso
4. Una volta concessa, puoi fare esperimenti direttamente nell'interfaccia DeepMind.

Nessun SDK o API richiesti!

Vediamo cosa può fare Gemini Diffusion in più ambiti, dallo sviluppo di giochi e il disegno fino all'editing del codice e persino l'audio.

Esempio 1: generazione di testo

Nel playground ho testato la capacità del modello di generare contenuti di ampio respiro con il seguente prompt.

Prompt: Spiega i meriti del toast nello stile di Hegel. Poi traduci il saggio in altre 10 lingue.

Il modello ha restituito oltre 7000 token in meno di 9 secondi, con titoli chiari, commenti e testo in 10 lingue.

Nel video sopra, nota che la velocità di generazione era di 892 token/s. Per contro, Gemini 2.0 Flash-Lite in genere genera circa 250–400 token/sec nella maggior parte degli scenari in tempo reale.

Esempio 2: sviluppo di giochi con interazioni in tempo reale

Per gli appassionati di Sasso Carta Forbici Lucertola Spock, ho provato a generare questa simulazione di gioco usando il modello Gemini Diffusion.

Prompt: Crea un'app web HTML+JavaScript per giocare a Sasso, Carta, Forbici, Lucertola, Spock. Usa emoji per ogni opzione (🪨📄✂️🦎🖖), rendi l'interfaccia neon/luminosa e futuristica. Fai scegliere al giocatore con un clic e il computer sceglie a caso. Mostra il risultato con animazione e punteggio. Includi un pulsante "Ricomincia partita". Rendi il gioco responsive.

Questo ha generato un gioco completamente giocabile e interattivo, con controlli da tastiera fluidi, ideale per fare prototipi di game loop o insegnare le basi dell'animazione.

Esempio 3: simulazione in tempo reale

La parte migliore del modello Gemini Diffusion sono le simulazioni in tempo reale. Danno vita ai prompt. Qui ho testato due esempi: particelle rimbalzanti e simulazioni di onde sinusoidali e coseno.

Esempio 3.1: simulazione di un sistema di particelle rimbalzanti

Prompt: Simula 100 particelle che si muovono in direzioni casuali all'interno di una scatola usando JavaScript.

Quando ho applicato il prompt sopra, Gemini Diffusion ha generato una simulazione di particelle rimbalzanti completamente funzionante, con aggiornamenti al DOM e fisica di base. L'animazione era fluida e reattiva e potevo modificare facilmente parametri come numero di particelle, velocità e colore.

Per fare un passo oltre, ho chiesto al modello di aggiungere uno slider per regolare in tempo reale le dimensioni dei cerchi, cosa che ha implementato alla perfezione. Tuttavia, quando ho chiesto di sostituire i cerchi con icone di farfalle, non è riuscito a soddisfare il prompt come previsto.

Esempio 3.2: simulazione di forma d'onda interattiva

Per il mio esempio successivo, ho provato a generare una simulazione di forma d'onda interattiva:

Prompt: Crea un simulatore di forme d'onda interattivo che visualizzi un'onda sinusoidale. Permetti agli utenti di regolare lunghezza d'onda, ampiezza e frequenza con slider. La visualizzazione dovrebbe mostrare chiaramente come la variazione della lunghezza d'onda allunga o comprime l'onda. Aggiungi tooltip per spiegare ciascun parametro e il suo significato nel mondo reale.

All'esecuzione del prompt, Gemini ha generato un simulatore di forme d'onda responsive con slider per regolare lunghezza d'onda (λ), ampiezza (A) e frequenza (f), ideale per demo educative.

Inizialmente supportava solo onde sinusoidali. Quando ho chiesto di supportare anche le onde coseno, Gemini ha aggiunto rapidamente un menu a discesa per passare tra i tipi di onda, mostrando la sua capacità di iterare sui componenti UI. Tuttavia, quando ho richiesto di unire sia le onde seno che coseno in una forma d'onda combinata, il modello non ci è riuscito.

Esempio 4: generazione ed esecuzione di codice

Come professionista ML, volevo testare la capacità di Gemini Diffusion di generare ed eseguire codice di machine learning in Python. Quindi, gli ho chiesto di:

Prompt: Scrivi una semplice rete neurale usando NumPy ed eseguila.

Gemini ha restituito un'implementazione completa e ben strutturata di una rete neurale feedforward usando solo NumPy, inclusi funzione di attivazione, inizializzazione dei pesi, logica di backpropagation e ciclo di training. Ha persino incluso spiegazioni per ogni passaggio.

Per testare le capacità di runtime, ho proseguito con:

Prompt: Puoi eseguirla per me?

Gemini ha risposto che non può eseguire codice Python in modo nativo, poiché non dispone di un ambiente di runtime integrato. Tuttavia, ha simulato l'output previsto stimando la loss a vari intervalli di training, mostrando come apparirebbe un output tipico se eseguito in un ambiente locale come Jupyter Notebook.

Sebbene Gemini Diffusion non possa ancora eseguire codice nel browser, questa capacità di simulare il comportamento dell'output e fornire risultati attesi è comunque molto preziosa per il prototyping. Se in futuro venisse aggiunta l'integrazione del runtime, lo strumento potrebbe trasformarsi in un playground completamente autonomo per imparare e sperimentare con modelli di machine learning.

Esempio 5: app di disegno in tempo reale

Successivamente, ho sperimentato qualcosa di più giocoso, ovvero un'app di disegno interattiva con pennelli, colori e forme. Ho iniziato con un prompt di base:

Prompt: Creami un'app di disegno con più pennelli e colori.

Gemini ha risposto con uno sketchpad basato su canvas, includendo una palette di colori di base, selettori di dimensione del pennello (piccolo, medio, grande) e un pulsante per cancellare.

Su questa base, ho chiesto al modello di aggiungere un'opzione colore "rosa" alla palette, che ha integrato senza problemi. Ho poi richiesto strumenti di disegno aggiuntivi—rettangolo, quadrato e cerchio—e Gemini Diffusion li ha forniti come opzioni di forma selezionabili.

L'output finale ha rispettato tutti i miei prompt e ha funzionato bene come strumento creativo. L'unico svantaggio evidente era un po' di lag e una fluidità ridotta durante le interazioni di disegno, probabilmente a causa dei limiti dell'esecuzione in modalità anteprima. Ma nel complesso è stato notevolmente funzionale per un prototipo in tempo reale nel browser.

Esempio 6: modifica istantanea con codice

Oltre al Playground, Gemini Diffusion offre una potente funzione chiamata Instant Edit, che ti permette di apportare modifiche in tempo reale a testo o codice con un minimo di prompt.

Per testarla, ho fornito una funzione Python nella casella del contenuto:

def find_median(nums):
    if not nums:
        return None
    nums.sort()
    n = len(nums)
    mid = n // 2
    if n % 2 == 1:
        return nums[mid]
    else:
        return (nums[mid - 1] + nums[mid]) / 2

Prompt: Converti questo codice in C++

Gemini ha tradotto con successo la funzione in una sintassi C++ pulita. Ho poi chiesto di aggiungere due funzioni aggiuntive: una per calcolare la media e un'altra per la moda. Le ha aggiunte correttamente al blocco di codice.

Come passaggio finale, ho chiesto al modello di aggiungere casi di test per convalidare tutte e tre le funzioni, cosa che ha fatto. Tuttavia, quando ho provato a chiedergli di "eseguire questo codice", Gemini non ha risposto, evidenziando che, sebbene eccella nel generare codice, l'esecuzione o la simulazione di codice compilato non è attualmente supportata in questo ambiente.

Esempio 7: modifica istantanea con testo

Questo strumento è ottimo anche per scrivere e modificare storie. Usando Instant Edit, ho dato al modello una storia di una sola riga e gli ho chiesto di ampliarla. 

Casella di testo contenuti: Scrivi una storia su un albero felice di nome Sprig che vive a Treewood e sogna di diventare una famosa star del cinema.

Per approfondire la narrazione, ho poi chiesto al modello di aggiungere tensione drammatica introducendo una figura paterna disapprovante.

Prompt: Aggiungi dramma a questa storia introducendo un padre insoddisfatto della scelta di carriera di Sprig.

Il modello ha risposto ampliando la storia inline, intrecciando senza soluzione di continuità un padre quercia saggio ma severo che disapprovava i sogni teatrali di Sprig. Le modifiche erano evidenziate con toggle visivi, permettendomi di confrontare il contenuto originale e quello aggiornato.

Questo esempio ha dimostrato come Instant Edit possa supportare una narrazione incrementale e un raffinamento creativo controllato, mantenendo sempre l'utente al centro.

Esempio 8: xilofono con audio

Per il mio test finale, ho chiesto a Gemini Diffusion di creare un'app xilofono interattiva. Il modello ha generato un set di tasti colorato e ben disposto con mappature sonore corrispondenti, listener di eventi ed effetti hover, mostrando la sua capacità di gestire UI audio interattive.

Prompt: Genera un'app xilofono in cui l'utente può premere i tasti e vengono generati suoni. Ogni nota dura un tempo ragionevole dopo la pressione. Non usare asset esterni. Usa la generazione sonora MIDI integrata. Disponi i tasti come in un vero xilofono.

Nota: Anche se Gemini Diffusion non supporta la generazione di audio o video, è riuscito a simulare un comportamento audio realistico usando una sintesi di toni in stile MIDI nell'anteprima del browser.

Questo evidenzia la capacità del modello di creare interfacce audio funzionali senza richiedere asset o librerie esterne.

Consiglio di attivare l'audio per il video qui sotto:

Perché Gemini Diffusion è importante?

Gemini Diffusion rappresenta un cambio di paradigma nel modo in cui interagiamo con i LLM. Ecco perché conta:

• Generazione in tempo reale: è il modello di testo più veloce di Google finora.
• Editing più intelligente: rifinisce e corregge l'output mentre genera.
• Interattività ricca: crea simulazioni, giochi e app basate sul suono nel browser.
• Prestazioni nei benchmark: inoltre, ha prestazioni comparabili in molti benchmark di coding, come HumanEval (89,6%) e MBPP (76%), pur essendo significativamente più veloce.

Ho trovato Gemini Diffusion piuttosto impressionante, sia in termini di velocità di generazione, coerenza e qualità degli output. Che si trattasse di estendere storie, simulare fisica o creare strumenti interattivi, il modello ha fornito costantemente risultati veloci e utilizzabili con un minimo di prompt.

Certo, ci sono ancora aree di miglioramento. Ad esempio, al momento non mantiene la cronologia della chat e occasionalmente fallisce per modifiche multi-step. Inoltre, potrebbe non rendere altrettanto bene quanto i modelli autoregressivi ottimizzati in tutti i compiti ed è limitato a 200 richieste al giorno per utente, ma la fase beta è promettente.

Conclusione

Gemini Diffusion è uno degli strumenti più entusiasmanti che ho esplorato quest'anno. Adottando un approccio a diffusione per il testo, Google ha costruito un modello più veloce e interattivo rispetto ai precedenti modelli di piccola-media scala, sebbene non ancora così generalista come Gemini 2.5 Pro.

In questo walkthrough pratico, ho evidenziato come Gemini Diffusion possa elevare il tuo workflow, che tu stia prototipando componenti UI, creando demo educative o iterando rapidamente su concept creativi.

Man mano che Gemini Diffusion evolve, mi aspetto integrazioni più profonde con strumenti per sviluppatori, ambienti di creative coding e IDE nel browser, rendendolo un compagno versatile per designer, ingegneri ed educatori.

Per saperne di più sugli ultimi strumenti annunciati a Google I/O 2025, ti consiglio questi tutorial:

• Google Jules: una guida con 3 esempi pratici
• Veo 3 di Google: una guida con esempi pratici
• Gemma 3n: una guida con progetto demo (app Android VLM)