當(dāng)行業(yè)在討論誰(shuí)的模型更聰明時(shí)，DeepSeek仍然把目光投向更現(xiàn)實(shí)的問題：如何讓模型更快。

6月27日，DeepSeek官方在Github低調(diào)更新了一篇最新論文，介紹其推理加速框架DSpark，試圖解決大語(yǔ)言模型在高并發(fā)場(chǎng)景下的推理效率瓶頸。

從作者署名來看，這篇論文由DeepSeek與北京大學(xué)聯(lián)合發(fā)布，DeepSeek創(chuàng)始人梁文鋒也位列作者名單。在論文中，團(tuán)隊(duì)開源了DSpark模型權(quán)重，并同步發(fā)布了面向推測(cè)解碼、由算法驅(qū)動(dòng)的訓(xùn)練代碼倉(cāng)庫(kù)DeepSpec。

DeepSeek最新論文截圖

此次論文仍是DeepSeek一貫的技術(shù)派風(fēng)格，論文標(biāo)題就較為晦澀——《DSpark：基于置信度調(diào)度的半自回歸生成推測(cè)解碼》（《DSpark:Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》）。

在論文中，DeepSeek首先解釋了需要解決的問題。大語(yǔ)言模型采用自回歸方式生成文本：每一個(gè)新詞元（token）的生成，都需要基于全部前置詞元完成一次完整前向傳播，結(jié)果是輸出越長(zhǎng)，等待越久。由此帶來GPU利用率低下、用戶等待時(shí)間過長(zhǎng)的問題，這是大語(yǔ)言模型線上服務(wù)的核心性能瓶頸，在實(shí)時(shí)對(duì)話助手、多輪智能體工作流等低時(shí)延敏感場(chǎng)景中尤為突出。

目前的主流方案分為自回歸草稿模型（Eagle3）、并行草稿模型（DFlash）兩條路線，二者各有缺陷，包括生成質(zhì)量瓶頸和系統(tǒng)效率瓶頸等，且現(xiàn)有方案均缺乏負(fù)載自適應(yīng)校驗(yàn)機(jī)制。

基于此，DeepSeek提出DSpark推測(cè)解碼框架，采用半自回歸架構(gòu)，通過兩套互補(bǔ)機(jī)制，解決草稿生成與校驗(yàn)環(huán)節(jié)的權(quán)衡矛盾，將高吞吐并行生成與自適應(yīng)負(fù)載感知校驗(yàn)機(jī)制融為一體。

根據(jù)論文，在數(shù)學(xué)推理、代碼生成、日常閑聊三類任務(wù)的受控離線基準(zhǔn)測(cè)試中，相較于自回歸草稿模型與并行草稿模型，Dspark框架能夠大幅提升單輪平均可接受詞元長(zhǎng)度。

DeepSeek已經(jīng)將DSpark部署到DeepSeek-V4在線服務(wù)系統(tǒng)中，并基于真實(shí)用戶流量評(píng)估其實(shí)際性能。結(jié)果顯示，相較于現(xiàn)有生產(chǎn)環(huán)境基線系統(tǒng)MTP-1，在相同吞吐量條件下，DSpark將用戶端生成速度提升了60%-85%。

此外，DeepSeek也將這一框架部署在其他模型上，以阿里旗下的Qwen3-4B、8B、14B三個(gè)模型為例，相較于自回歸草稿模型，DSpark平均單輪可接受詞元長(zhǎng)度分別提升了30.9%、26.7%、30%；相較于并行草稿模型，DSpark分別提升了16.3%、18.4%、18.3%。

從技術(shù)角度來看，這篇論文的主要價(jià)值在于，通過算法創(chuàng)新顯著提升了模型的推理生成速度。在當(dāng)前大模型行業(yè)逐漸走向落地的背景下，誰(shuí)能更便宜、更快速地輸出結(jié)果，也是一項(xiàng)重要的競(jìng)爭(zhēng)力。此外，通過開源，DeepSeek也再次推動(dòng)了社區(qū)發(fā)展。

“AI Infra再次被DeepSeek加速了。”在社交平臺(tái)，有開發(fā)者評(píng)價(jià)道。也有用戶認(rèn)為，DeepSeek最讓人佩服的點(diǎn)在于，模型迭代的同時(shí)，推理基礎(chǔ)設(shè)施也在同步更新，發(fā)布V4時(shí)，連推理優(yōu)化一起發(fā)，有論文也有代碼，還驗(yàn)證了跨模型通用性。

即便近期頻頻傳出融資消息，未來可能需要走向商業(yè)化，但通過這一開源，DeepSeek似乎在證明自己仍會(huì)堅(jiān)持開源初心。