DeepSeek发DSpark，大模型速度最高翻4倍

核心定位：给大模型装上“无损加速器”

DSpark并非一款全新的大语言模型，而是一套专注于优化AI响应速度、降低算力消耗的底层推理框架。它基于“推测解码（Speculative Decoding）”路线，专门针对传统大模型逐Token自回归生成时存在的“响应迟缓”与“GPU算力严重空转”等行业痛点进行重构。该框架由DeepSeek团队与北京大学联合研发，公司创始人梁文锋参与了相关论文的署名，并在DeepSeek完成新一轮融资后作为首个重要开源成果发布。

技术突破：告别无效计算的三大引擎

为了解决过去推测解码方案中“草稿生成质量差”与“固定验证长度浪费算力”的缺陷，DSpark引入了三项核心机制：

• 半自回归生成架构：草稿模型采用“并行主干块+轻量串行序列块”的双层设计。并行块负责一次性批量产出多候选Token，而串行块则专门补充词与词之间的时序依赖关系，大幅提升了草稿的准确率与通过率。
• 置信度动态调度验证：系统内置置信度头，能够实时预测每个候选Token被主模型接受的概率。结合服务器实时负载，系统会自适应调整验证长度——高置信度内容直接批量放行，低置信度片段则提前截断或缩短并行长度，从而精准拦截无效计算。
• 硬件感知前缀调度器：调度器能够实时读取GPU显存与并发负载状态，动态分配计算资源，使验证过程更贴合底层硬件特性，最大化利用硬件性能并缓解高并发下的性能衰减。

实测表现与广泛兼容

DSpark的优化效果不仅停留在论文层面，目前已直接部署于DeepSeek-V4-Flash与DeepSeek-V4-Pro的预览版服务引擎中，替换了原有的MTP-1基线方案。在同等系统总吞吐量下，其性能表现如下：

• 速度飞跃：DeepSeek-V4-Flash的单用户生成速度提升了60%至85%，V4-Pro版本提升了57%至78%。
• 吞吐暴增：相比旧基线，整体推理吞吐提升幅度在51%至400%之间，极端高并发场景下最高可实现四倍的效率增长。
• 多模型适配：该框架并未封闭在DeepSeek生态内，其优化逻辑已成功迁移并适配通义千问（Qwen）、Gemma、Llama、GLM等主流开源大模型，为各类开发团队提供了通用的提速方案。

整个提速过程完全无损模型的输出质量，不会改变大模型原始的生成分布，这意味着企业在享受速度红利的同时无需担心回答准确率的下降。

开源生态与行业风向

为了进一步降低开发者优化大模型的门槛，DeepSeek在GitHub上以MIT协议全面开源了全栈训练库DeepSpec。该仓库不仅包含DSpark的完整实现，还整合了DFlash、Eagle3等其他推测解码方案，全面开放了草稿模型训练代码、评估脚本及预训练权重，支持开发者进行二次改造与商用定制。

DSpark的发布折射出AI产业风向的实质性转变：随着基础模型能力差距的缩小，竞争核心正全面转向推理效率与商用落地成本。通过纯算法优化在不增加额外GPU采购的前提下大幅提升并发承载能力，DSpark为预算有限的中小开发者与AI初创团队提供了极具实用价值的解决方案，有力推动了大模型应用从“能用”向“好用、用得起”迈进。