没发新模型，但速度快了85%

DeepSeek 又发东西了。这次不是新模型。

今天下午，DeepSeek 和北大联合开源了一个叫 DSpark 的投机解码框架。同时发布的还有一个叫 DeepSpec 的全栈工具链——MIT 协议，可以给任何 Transformer 训练草稿模型。

说人话：V4 的模型权重一个字节没改，但推理速度快了 60% 到 85%。

● ● ●

模型没变，谁在提速？

投机解码这个概念不新。思路很简单：用一个小模型（草稿模型）先猜几个 token，然后大模型一次验证一批，猜对了就省时间。

但之前的方案都有硬伤。

一种叫 DFlash，并行生成。快是真快，但 token 之间没有依赖关系，猜得越多错得越多。

一种叫 EAGLE，逐 token 自回归。接受率高，但每个 token 都要跑一次前向，慢。

DeepSeek 的方案叫 DSpark。做法是把两者拼在一起：一个重的并行头一次生成一块候选 token，再加一个极轻的 Markov 头（仅依赖前一个 token，秩只有 256），修正每个位置的 logit 分布。

关键设计在第三个头：置信度头。它会评估每个候选的质量，然后根据 GPU 当前负载动态决定这次验证几个 token。忙的时候少验证、保吞吐，闲的时候多验证、提速度。

DSpark 半并行架构

生产数据：

注意，对比的基线是 MTP-1——也就是 V4 出厂自带的推理加速方案。DSpark 只用两周就把它换掉了。

● ● ●

不止 V4 能用

更重要的新闻藏在 DeepSpec 这个项目里。

DeepSpec 不是给 V4 定制的，它是一个模型无关的训练框架。里面内置了 DSpark、DFlash、Eagle3 三种草稿模型的训练和评估流水线。目前支持的 target 包括 Qwen3、Gemma——理论上任何 Transformer 架构都能用。

实测数据：DSpark 在 Qwen3 上带来最高 30.9% 的吞吐提升。

这意味着什么？以前投机解码是各家的独门手艺——DeepSeek 有 MTP，Meta 有自己的一套，其他团队要么自己造轮子，要么别用。现在 DeepSeek 把整套训练工具链 MIT 开源了，任何团队都可以给自己的模型训练投机解码草稿模型。

● ● ●

比发模型更狠的策略

回顾一下 DeepSeek 今年的操作：

不是发完模型就歇着，而是一直在往系统层打。

DeepGEMM 是算子库，DeepEP 是通信，3FS 是文件系统，DeepSpec 是推理加速。这四个东西的共同点是：它们不直接提升模型能力，但让模型跑得更快、更便宜。

一个信号：DSpark 的定位。它不是"V4 的 DSpark"，是"DeepSpec 里的 DSpark"。代码仓库里 Qwen3 的训练配置和 V4 的放在同一个 config/dspark/ 目录下。它在刻意强调通用性。

社区反应很直白。Unsloth 创始人说吞吐量提升 51% 到 400%。原投机解码怀疑论者说："我一直是反对者，但 DFlash 和 Whale 这个工作改变了我的看法。"

● ● ●

什么场景值得用

投机解码不是无成本的。高并发（>48 请求）时提升可能不足 30%，超长文本（>128K）下接受率会下降。训练一个草稿模型需要 8 GPU、数十 TB 的目标缓存。

但 DSpark 的置信度调度解决了一个关键工程问题：验证开销。以前的方案在高并发下很容易退化——GPU 已经忙不过来了，还要花时间验证草稿 token。DSpark 会自己判断什么时候少验证、什么时候多验证，这就是它在生产环境能替换 MTP 的原因。

● ● ●

真正重要的事

如果你只看到"V4 变快了 85%"，那看到的是一个产品更新。

但 DeepSeek 做的事比这大得多。它在把推理加速从模型专属功能变成开源基础设施。就像 DeepGEMM 让所有人能用高效的 FP8 算子，DeepSpec 让所有人能训练自己的投机解码草稿模型。

模型能力的天花板终究会碰到。让同样能力的模型跑得更快、更便宜——这件事的天花板还远得很。

DSpark 由 DeepSeek-AI 与北京大学联合研发。DeepSpec 代码仓库：github.com/deepseek-ai/DeepSpec（MIT License）