DeepSeek V4引入DSpark框架，推理速度最高提升85%
Claire Weston
DeepSeek为V4版本上线投机解码框架DSpark，Flash模型用户生成速度最高提升85%，同步开源全栈工具链DeepSpec——这是一次纯工程加速，模型能力本身没变。
速度提升了多少，怎么做到的？
DSpark已跑在DeepSeek-V4真实线上流量中，对比上一代基准MTP-1：Flash模型用户生成速度提升60%–85%，Pro模型提升57%–78%。
关键前提：总体吞吐量不变。这意味着→ 不是靠多烧卡换来的快，而是同样的算力"挤"出了更多有效输出。
用大白话说＝ 用户端感受就是"回答快了大半"，但后台的GPU用量没有增加。
DSpark的核心技术思路是什么？
传统大模型逐字生成，像打字员一个键一个键敲；并行草稿模型（同时猜多个词再验证）快但后面几个位置猜中率越来越低。DSpark把两者结合——半自回归架构：大部分词并行猜，少量关键位置串行补。
验证环节引入置信度头（一个轻量模块，给每个待验证词打"存活概率"分），配合硬件感知调度器，实时决定每个请求送去验证几个词。这意味着→ 大概率被拒的词直接跳过，不浪费GPU算力。
调度器异步运行，用前两步的历史预测决定截断长度，隐藏调度延迟。这反映出整套设计的目标：工程上零额外开销，同时保证输出与原模型完全一致。
跑分比同类方案强多少？
在数学推理、代码生成、日常对话等多个任务上，DSpark超越了自回归方案Eagle3和并行草稿方案DFlash。
以Qwen3系列（4B/8B/14B）为目标模型，DSpark的平均接受长度（每轮验证中被采纳的词数）比Eagle3高26.7%–30.9%，比DFlash高16.3%–18.4%。
用大白话说＝ 接受长度越长，每轮"猜词"的有效产出越多，速度自然越快。
开源的DeepSpec是什么？
DeepSpec是随DSpark一同开源的全栈代码库，覆盖数据准备、草稿模型训练和评估三个阶段，内置DSpark、DFlash、Eagle3三种草稿模型，支持Qwen3和Gemma目标模型。
面向单节点8卡环境；以默认Qwen3-4B配置为例，目标缓存体积约38TB——这意味着→ 中小团队想跑通全流程，存储资源是第一道门槛。
评估基准涵盖GSM8K、MATH500、AIME25、HumanEval、MBPP、LiveCodeBench等，覆盖数学、代码和对话三大类任务。
这次更新对行业意味着什么？
DSpark不是模型能力的升级，而是推理效率的工程优化。这反映出当前大模型竞争正从"谁更聪明"转向"谁更快更省"。
开源DeepSpec的更大意义在于：第三方团队可以用同一套工具链给自己的模型加速——但DSpark在第三方模型上能否复现同等加速效果，目前没有数据，这将是检验通用性的关键节点。
用大白话说＝ DeepSeek给出了一套"加速方案+工具箱"，自家模型已经验证有效；能不能成为行业通用工具，还要看别人用起来效果如何。
Content is for reference only, not financial advice.