DeepSeek DSpark 全解析：推测解码如何让 V4 推理快 4 倍

📰 本文选自自游人今日AI科技日报

引言

2026年6月27日，在完成500亿元融资之后，DeepSeek放出的第一个开源成果不是新模型——而是一套让现有模型跑得快得多的工程方案。没有改模型架构，没有加参数，但端到端生成速度提升了60%-85%。

这套方案叫DSpark，搭配训练框架DeepSpec一起开源。如果你在用DeepSeek V4 API，这个更新能帮你省下真金白银。如果你在自建推理服务，DeepSpec让你能给自己的模型（包括Qwen3、Gemma）也装上这套加速器。

这篇拆给你看：它为什么快、为什么比之前的方案聪明、以及你拿来能干什么。

一、核心概念：推测解码到底是什么

传统的LLM推理，每一步只生成一个token——一个字一个字往外蹦。GPU的计算核心大部分时间是闲着的，这叫"内存带宽墙"：计算快但数据传输慢，疯狂等数据。

**推测解码（Speculative Decoding）**的解法很直觉：让一个小模型（草稿模型）先一口气猜一串token，然后拿给大模型批量验证。猜对的全要，猜错的只改第一个，后面的丢掉重猜。

这有点像你写代码时先用AI补全一长段，再自己快速扫一眼对错——对的地方直接过，错的地方改个开头就行。

核心公式很简单：

1

推测解码加速比 ≈ 草稿接受长度 × (验证成本 / 单步生成成本)

草稿猜得越长、验证越快，加速越多。但问题来了。

二、深度解析：DSpark为什么比别人快

2.1 老方案的致命伤

当前最主流的并行草稿器能一次生成超长token序列。但有个致命问题：越往后猜越离谱。因为并行生成的token之间没有依赖关系——前面的猜错了，后面的跟着全错。

然后主模型还得傻傻地一个一个验证这些大概率会错的token。在高并发服务中（成百上千用户同时请求），这些无效验证全部消耗GPU批次算力，导致整体吞吐率反而暴跌。

DeepSeek的线上服务之前用MTP-1（一次猜1个token的方案）做推测解码。虽然猜得短但稳。DSpark的目标很明确：猜得更长，还猜得准。

2.2 DSpark的两把手术刀

DSpark的核心创新分两个层面：

第一层：半自回归架构（Semi-Autoregressive Generation）

这是论文的精髓。DSpark不搞纯并行草稿，而是在并行主干网络上叠加一个轻量串行模块。并行部分保证速度，串行部分在草稿token之间建立依赖关系——相当于给草稿模型的草稿加了结构，让靠后的token不再乱猜。

结果：草稿有效通过长度显著提升，末尾token的接受率不再断崖式下跌。

第二层：置信度调度校验（Confidence-Scheduled Verification）

这是DSpark最聪明的设计。它不无差别验证所有草稿token，而是：

• 实时预估每条草稿前缀的通过概率
• 根据当前引擎的实际吞吐负载，动态调整校验长度
• 负载高时缩短校验（少浪费算力），负载低时延长（多碰运气）

对比图就很直观：

数据来源：DSpark论文，部署于DeepSeek-V4线上服务系统、承接真实用户流量测得。

2.3 为什么能暴增51%-400%吞吐

这里的400%不是噱头。在高并发、严格时延约束的生产环境中，传统推测解码（比如Eagle3）的草稿验证会大量浪费GPU批次算力——主模型在验证一堆概率极低的token。DSpark的置信度调度直接砍掉这些无效验证，在吞吐和时延之间推高了帕累托最优边界。

简单说：同样的GPU集群，DSpark能多接4倍的并发用户，还保持同样的时延。

三、实践指南：DeepSpec怎么用

DeepSeek这次不光给了DSpark模型（HuggingFace上下载），还开源了训练框架DeepSpec（GitHub: deepseek-ai/DeepSpec）。这套全栈代码库MIT许可，让你能给自己的模型训练草稿模型。

3.1 DeepSpec工作流

DeepSpec按顺序跑三个阶段：

1

数据准备 → 训练 → 评估

1. 数据准备：下载提示词，用目标模型重新生成答案，构建目标缓存
2. 训练：基于缓存训练草稿模型
3. 评估：在基准任务上衡量接受率

目前支持的草稿模型算法：DSpark、DFlash、Eagle3 三种。

3.2 你自己的模型怎么用

DeepSpec支持给你的Qwen3、Gemma等模型训练草稿模型。基本步骤：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

# 1. 克隆仓库
git clone https://github.com/deepseek-ai/DeepSpec.git
cd DeepSpec

# 2. 准备数据
python scripts/prepare_data.py --model your-model-name

# 3. 训练草稿模型
python train.py --config config/your-config.yaml

# 4. 评估接受率
python eval.py --draft-model checkpoints/your-draft

训练完的草稿模型挂载到主模型上，直接走推测解码推理通道。

3.3 对API用户意味着什么

如果你用的是DeepSeek官方API，不需要做任何事——DSpark已经部署到线上服务，你天然享受更快速度。同样的API价格，生成速度提升60-85%，等效于同等价格快了约4倍。

如果你自建推理服务部署DeepSeek V4，HuggingFace上下载 DeepSeek-V4-Pro-DSpark 或 DeepSeek-V4-Flash-DSpark 即可。注意这不是新模型权重，是原有checkpoint加了一个推测解码模块。

四、资源汇总

总结

DSpark的发布释放了一个明确信号：大模型竞争已进入"训练+推理"系统博弈阶段。 模型能力见顶的当下，谁的推理更快、更便宜，谁就能在API市场上拿到更多订单。

更妙的是DeepSeek的战略——把训练框架DeepSpec开源，支持竞品模型。一旦成为行业标准推测解码工具链，DeepSeek在推理优化赛道的品牌和生态就站稳了。

对于开发者：如果你想省推理成本，现在就去读DSpark论文，用DeepSpec给你的模型训练草稿。推理优化不是炒概念，是真金白银。

参考来源：

1. 梁文锋署名论文！DeepSeek首轮融资后大动作：生成速度大涨85% - 腾讯新闻（智东西报道）
2. 推理提速80%！DeepSeek新品突然发大招！- 腾讯新闻（雷科技报道）
3. 北大与DeepSeek联合开源DSpark框架 - 钛媒体
4. DeepSpec GitHub 仓库（官方一手，MIT许可）
5. DeepSeek-V4-Pro-DSpark HuggingFace 模型页（官方一手）
6. DSpark论文 arXiv（学术一手）

📖 延伸阅读

📰 自游人日报 2026.6.27

• 🧠 Anthropic 出口禁令推演 — 开放vs封锁路线图
• 🔧 Ornith-1.0 Agent编程实战 — AI效能工具体系
• 🔧 GLM-5.2 零成本部署 — 免费跑大模型的姿势

最后更新：2026-06-27
本文由 AI 辅助撰写，经人工审阅。内容仅供参考，不构成任何建议。
© 2026 自游人 17YOU.COM | CC BY-NC-SA 4.0