DeepSeek 开源 DSpark 投机解码框架，DeepSeek-V4 推理速度提升 60-85%

一句话看懂

DeepSeek 开源 DSpark 投机解码框架，通过并行草稿加顺序修正头，让 DeepSeek-V4 在服务端每用户生成速度提升 60-85%，输出完全无损。

详细发生了什么

DeepSeek 于 2026 年 6 月 27 日开源了 DSpark，一个投机解码框架，并同时发布了配套的训练代码库 DeepSpec（MIT 许可）。DSpark 不是新模型，而是针对 DeepSeek-V4 的推理优化方案：在现有 V4 权重上附加一个草稿模块，无需重新训练目标模型。

投机解码的核心思路是：用小草稿模型快速生成一批 token，再由大模型一次性验证。DSpark 的创新体现在两点。一是半自回归生成：先用并行骨干（基于 DFlash）生成所有位置的 base logits，再用一个轻量级的马尔可夫头根据前一个 token 调整采样概率，从而大幅减少长序列末尾的接受率衰减。二是置信度调度验证：通过一个置信度头预测每个 draft token 被接受的概率，并结合实时 GPU 负载动态调整验证长度——GPU 空闲时多验证，繁忙时少验证。

离线测试中，DSpark 在数学、代码和日常对话三个领域均优于基线：相比 Eagle3，接受长度提升 26-31%；相比 DFlash，提升 16-18%。生产环境中，在 DeepSeek-V4-Flash 和 V4-Pro 上，每用户生成速度比之前的单 token 基线 MTP-1 分别快 60-85% 和 57-78%。

中文圈视角

DSpark 的开源对中文 AI 开发者意味着几个直接好处：

国内用户可直接使用：DeepSeek 本身是国内团队，模型权重和代码均托管在 Hugging Face 和 GitHub，无需特殊网络即可下载。但生产部署需要 GPU 资源，个人用户可通过 API 间接体验加速效果。
国产模型推理加速的标杆：目前国内大模型厂商（如智谱 GLM、阿里 Qwen、百度文心）在推理优化上多采用量化、剪枝等传统手段，投机解码的应用尚不普遍。DSpark 的 MIT 许可开源代码可以直接适配到其他模型（论文已测试 Qwen3 和 Gemma4），为国产模型提供了一条低成本的推理加速路径。
对中文场景的实用价值：代码生成和数学推理是 DSpark 的优势场景。对于使用 DeepSeek-V4 进行编程辅助或长文档处理的中文用户，加速效果尤为明显。但日常对话场景中，置信度调度可能会因不确定性而缩短验证长度，实际体验提升可能不如结构化任务。
合规与部署注意：DSpark 本身不涉及数据出境问题（开源代码本地运行），但若通过 DeepSeek API 调用，需注意数据隐私条款。此外，训练 DeepSpec 需要约 38TB 的缓存（以 Qwen3-4B 为例），普通开发者可能难以复现，建议直接使用官方发布的 checkpoint。

几条值得记住的细节

DSpark 的默认配置是 5-token 草稿块加马尔可夫头（DSpark-5），生产环境已验证。
置信度头经过 Sequential Temperature Scaling 校准，校准误差从 3-8% 降至约 1%。
离线测试中，2 层 DSpark 草稿模型的表现甚至优于 5 层 DFlash。
草稿长度从 4 扩展到 16 时，每轮延迟仅增加 0.2-1.3%，但接受长度提升高达 30%。
代码生成场景下，调度器可验证较长前缀，加速效果最显著；聊天场景通过置信度阈值将接受率从 45.7% 提升至 95.7%。

一句话总结

DSpark 让 DeepSeek-V4 的推理速度翻倍，且完全开源，是国内大模型服务降本增效的实用工具。