2026 年 6 月 27 日，DeepSeek 联合北京大学发布 DSpark 推理加速框架，同步开源全栈工具链 DeepSpec。创始人梁文锋署名论文，这是 DeepSeek 完成 500 亿元首轮融资后的首个重大开源动作。

---

一、DSpark 是什么？不是什么？

先搞清楚一件事：DSpark 不是一个新模型。

它不是 DeepSeek-V5，不是更大的参数规模，也不是更强的推理能力。DSpark 是在 DeepSeek-V4-Flash（284B 参数） 和 DeepSeek-V4-Pro（1.6T 参数） 基础上增加的一个推测解码（Speculative Decoding）推理加速模块。

打个比方：原来 V4 模型是逐字逐句地写回答，像一个人踩着石头过河，踩一块、看一块、再踩下一块。DSpark 相当于给这个系统配了一个"侦察兵"——先跑几步探路，猜出大概率要走的方向，然后让主力模型一次性验证这一串猜测。猜对了，直接跳过去；猜错了，丢弃重来，输出质量不变。

关键：DSpark 保证输出分布与原始模型完全一致（数学上由拒绝采样保证），所以加速不会降质。

---

二、两个核心创新

DSpark 的技术突破来自两项互补机制：

2.1 半自回归生成（Semi-Autoregressive Generation）

传统并行草稿模型一次猜多个 token，速度快，但后面的 token 猜得不准（"后缀衰减"问题）。DSpark 保留并行主干的高吞吐，同时加入一个轻量级的串行模块（仅 2 层 Transformer），让草稿模型在猜后面的 token 时参考前面已猜的结果。效果：用更少的层数（2 层 vs 5 层）取得比纯并行模型更高的接受率。

2.2 置信度调度验证（Confidence-Scheduled Verification）

这是一个更聪明的"审核机制"。DSpark 引入了一个置信度头（Confidence Head），评估每个草稿 token 被接受的概率。然后一个硬件感知调度器根据当前系统负载动态决定验证长度：

• 低负载时：拉满验证长度，让更多草稿 token 通过
• 高负载时：裁剪低置信度的尾部 token，把算力留给真正有价值的候选

这解决了一个重要的工程问题：传统推测解码在高并发下会浪费大量算力验证注定被拒绝的 token，DSpark 让验证预算变得灵活而非固定。

---

三、性能提升数据

指标	V4-Flash	V4-Pro
单用户生成速度提升	60%~85%	57%~78%
严格时延约束下吞吐量提升（Flash 120 tok/s, Pro 50 tok/s）	661%	406%
同等吞吐下吞吐量提升（Flash 80 tok/s, Pro 35 tok/s）	51%	52%

661% 和 406% 这些看似夸张的数字出现在旧方案接近性能悬崖的场景：当 MTP-1 基线在高并发下只能维持少量并发请求时，DSpark 大幅扩展了可服务的并发边界。

跨模型泛化

DSpark 不限于 DeepSeek 自家模型。在 Qwen3-4B/8B/14B 上，DSpark 的 token 接受长度比 Eagle3 提升 26.7%~30.9%，比 DFlash 提升 16.3%~18.4%。Gemma4-12B 也有类似增益。

---

四、用户如何感知到 DSpark？

4.1 如果你通过 DeepSeek API 调用 V4

你不需要做任何事。 DSpark 已经在 DeepSeek-V4-Flash 和 V4-Pro 的预览版服务端默认启用。它不是 API 上的一个可选参数或开关，而是后端的底层优化。

你感知到的变化：

• 响应更快了：同样的问题，首 token 延迟更低，整体生成时间缩短。如果你之前用过 V4 预览版，6 月 27 日之后应该能明显感觉到回答"出字"速度变快
• 高峰时段更稳定：DSpark 在高并发下主动裁减低价值 token 验证，减少算力浪费，所以晚高峰时 API 不那么容易"转圈"了
• 回答质量不变：数学上保证输出分布一致，你得到的内容和之前完全一样，只是更快

简单说就是：不知不觉变快了，质量没变。

4.2 如果你在 chat.deepseek.com 上使用

Web 端的体验同样受益。如果你在 6 月 27 日之后使用 DeepSeek-V4 对话，生成回复的流畅度应该有可感知的提升，尤其是长回答场景。

4.3 如果你自己部署开源模型

DSpark 的模型权重和完整训练代码已开源（MIT 协议）：

• HuggingFace：DeepSeek-V4-Pro-DSpark / Flash-DSpark
• GitHub：DeepSpec（全栈训练与评估工具链）

支持通过 vLLM、SGLang、Transformers、Docker Model Runner 等框架加载推理。也可以为自己的模型（Qwen、Gemma 等）训练定制草稿模型。

⚠️ 注意：DeepSpec 完整训练管线默认需要 8 GPU + ~38TB 缓存，适合有一定基础设施的团队。直接用已训练好的 DSpark checkpoint 推理则门槛低得多。

4.4 怎么验证是否真的有加速？

你可以做一个简单的前后对比（如果你之前记录过 V4 的响应速度）：

# 用 time 命令对比生成速度
time curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [{"role": "user", "content": "写一篇800字的文章关于人工智能的未来"}],
    "stream": true
  }' > /dev/null

或者更直观的：在 chat.deepseek.com 问同一个长问题，感受生成速度的变化。

---

五、关于 V4 正式版和定价

DeepSeek-V4 正式版计划于 2026 年 7 月中旬上线，届时将同步引入峰谷定价机制：

时段	价格
高峰（每日 9:00-12:00, 14:00-18:00）	翻倍
其余时段	维持现行价格

DSpark 的部署可以在一定程度上缓解高峰时段的算力压力，但定价策略更多反映的是算力供需关系，而非技术成本。

---

六、总结

DSpark 标志着大模型竞争的一个转折点：从"拼参数规模"转向"拼落地效率"。它不追求更大的模型，而专注于让现有模型跑得更快、更省、更稳。

对于普通用户，DSpark 意味着：

• 更快的响应速度（60%~85%）
• 更稳定的服务（高并发不再崩溃）
• 完全相同的输出质量
• 无需任何配置，即开即用

对于开发者，DSpark + DeepSpec 的开源意味着可以将同样的加速技术应用到自己的模型中，这可能是自推测解码技术提出以来，最完整的工程化开源实现。

参考链接

• DSpark 论文
• DeepSpec GitHub 仓库 (MIT)
• DeepSeek-V4 技术报告 (arXiv)
• HuggingFace - DeepSeek-V4-Pro-DSpark
• TechTimes 报道
• Computing 报道
• TheOutpost 深度分析

---

如果您觉得有用，欢迎 点赞、转发、评论、关注。