當行業在討論誰的模型更聰明時，DeepSeek仍然把目光投向更現實的問題：如何讓模型更快論文。
6月27日，DeepSeek官方在Github低調更新了一篇最新論文，介紹其推理加速框架DSpark，試圖解決大語言模型在高併發場景下的推理效率瓶頸論文。
從作者署名來看，這篇論文由DeepSeek與北京大學聯合釋出，DeepSeek創始人梁文鋒也位列作者名單論文。在論文中，團隊開源了DSpark模型權重，並同步釋出了面向推測解碼、由演算法驅動的訓練程式碼倉庫DeepSpec。
此次論文仍是DeepSeek一貫的技術派風格，論文標題就較為晦澀——《DSpark：基於置信度排程的半自迴歸生成推測解碼》（《DSpark:Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》）論文。
在論文中，DeepSeek首先解釋了需要解決的問題論文。大語言模型採用自迴歸方式生成文字：每一個新詞元（token）的生成，都需要基於全部前置詞元完成一次完整前向傳播，結果是輸出越長，等待越久。由此帶來GPU利用率低下、使用者等待時間過長的問題，這是大語言模型線上服務的核心效能瓶頸，在即時對話助手、多輪智慧體工作流等低時延敏感場景中尤為突出。
展開全文
目前的主流方案分為自迴歸草稿模型（Eagle3）、並行草稿模型（DFlash）兩條路線，二者各有缺陷，包括生成質量瓶頸和系統效率瓶頸等，且現有方案均缺乏負載自適應校驗機制論文。
基於此，DeepSeek提出DSpark推測解碼框架，採用半自迴歸架構，透過兩套互補機制，解決草稿生成與校驗環節的權衡矛盾，將高吞吐並行生成與自適應負載感知校驗機制融為一體論文。
根據論文，在數學推理、程式碼生成、日常閒聊三類任務的受控離線基準測試中，相較於自迴歸草稿模型與並行草稿模型，Dspark框架能夠大幅提升單輪平均可接受詞元長度論文。
DeepSeek已經將DSpark部署到DeepSeek-V4線上服務系統中，並基於真實使用者流量評估其實際效能論文。結果顯示，相較於現有生產環境基線系統MTP-1，在相同吞吐量條件下，DSpark將使用者端生成速度提升了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三個模型為例，相較於自迴歸草稿模型，DSpark平均單輪可接受詞元長度分別提升了30.9%、26.7%、30%；相較於並行草稿模型，DSpark分別提升了16.3%、18.4%、18.3%論文。
從技術角度來看，這篇論文的主要價值在於，透過演算法創新顯著提升了模型的推理生成速度論文。在當前大模型行業逐漸走向落地的背景下，誰能更便宜、更快速地輸出結果，也是一項重要的競爭力。此外，透過開源，DeepSeek也再次推動了社羣發展。
“AI Infra再次被DeepSeek加速了論文。”在社交平臺，有開發者評價道。也有使用者認為，DeepSeek最讓人佩服的點在於，模型迭代的同時，推理基礎設施也在同步更新，釋出V4時，連推理最佳化一起發，有論文也有程式碼，還驗證了跨模型通用性。
即便近期頻頻傳出融資訊息，未來可能需要走向商業化，但透過這一開源，DeepSeek似乎在證明自己仍會堅持開源初心論文。
(本文來自第一財經)
