DeepSeek DSpark: Otevřený rámec pro spekulativní dekódování zrychluje V4 až o 85 %

DSpark: Rychlejší odpovědi bez nového modelu

Dne 27. června 2026 uvolnila společnost DeepSeek ve spolupráci s Pekingskou univerzitou open-source framework DSpark, který výrazně zrychluje generování odpovědí velkých jazykových modelů. Kromě samotného frameworku DeepSeek uvolnil také tréninkový kód DeepSpec a modelové checkpointy verzí DeepSeek-V4-Flash a V4-Pro s integrovaným DSparkem . Autory odborného článku „DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation“ jsou mimo jiné i CEO společnosti Liang Wenfeng .

Nenechte se mýlit: DSpark není nový model. Je to přídavný modul, který se připojí k existujícím modelům a přidá do procesu generování „předvídání kroků dopředu“ . Funguje na principu spekulativního dekódování: lehký „draft“ model rychle vygeneruje několik kandidátních tokenů a hlavní (cílový) model je pak najednou zkontroluje a potvrdí. Tím se obejde pomalé generování token po tokenu .

DSpark přináší vlastní inovaci – confidence-scheduled speculative decoding. Systém na základě úrovně jistoty dynamicky určuje, kolik tokenů se vyplatí odhadnout, čímž šetří výpočetní výkon . V praxi tato metoda nahradila dříve používané schéma MTP-1 (Multi-Token Prediction) .

Ostré nasazení: O 60 až 85 % rychlejší generování

DSpark už běží v produkčním prostředí DeepSeek-V4, kde obsluhuje reálný provoz uživatelů služeb DeepSeek-V4-Flash preview a DeepSeek-V4-Pro preview . Při zachování stejné celkové propustnosti systému dosahuje následujícího zrychlení generování ve srovnání s předchozím schématem MTP-1:

Model	Zrychlení generování na uživatele
DeepSeek-V4-Flash	60 % až 85 %
DeepSeek-V4-Pro	57 % až 78 %

Tato čísla vycházejí z reálného provozu, nikoli jen z laboratorních testů . U modelu V4-Flash při cílové rychlosti 120 tokenů za sekundu na uživatele už MTP-1 naráželo na své limity, zatímco DSpark poskytl propustnost vyšší o 661 % .

Funguje i s jinými modely

DSpark je navržen jako modelově nezávislý. Článek prokazuje jeho účinnost i na modelech jiných výrobců:

• Na modelech Qwen3-4B, Qwen3-8B a Qwen3-14B zlepšil DSpark průměrnou délku akceptovaného bloku o 30,9 %, 26,7 % a 30,0 % oproti frameworku Eagle3 .
• Proti frameworku DFlash dosáhl zlepšení o 16,3 %, 18,4 % a 18,3 % .
• Svou převahu si udržel i na modelu Gemma4-12B .

Zajímavé je, že konfigurace DSparku s pouhými 2 vrstvami překonala 5vrstvou konfiguraci DFlash .

DeepSpec: Otevřený kód pro výzkumníky a vývojáře

Spolu s DSparkem uvolnil DeepSeek i DeepSpec – ucelený framework pro trénování a vyhodnocování modelů pro spekulativní dekódování. Obsahuje implementace frameworků Eagle3, DFlash a DSpark. Umožňuje tak vývojářům:

• Reprodukovat výsledky z článku o DSparku
• Trénovat vlastní draft modely
• Vyhodnocovat různé pipeline spekulativního dekódování
• Rozšířit přístup na své vlastní modely

Všechny materiály (článek, kód i modelové váhy) jsou k dispozici v repozitáři deepseek-ai/DeepSpec na GitHubu a na Hugging Face .

Oficiální vydání V4 a nový ceník API

Dne 29. června 2026 DeepSeek oznámil, že oficiální verze DeepSeek V4 vyjde v polovině července 2026 . Zároveň s tím bude zaveden časově závislý ceník API (peak/off-peak), který má „racionálněji alokovat zdroje a zlepšit stabilitu služeb“ :

• Špička (peak): denně od 9:00 do 12:00 a od 14:00 do 18:00 pekingského času .
• Ceny: ve špičce jsou API ceny dvojnásobné oproti standardním .
• Příklad pro V4-Pro (za milion tokenů):
  • Vstup (s využitím cache): 0,025 RMB mimo špičku → 0,05 RMB ve špičce
  • Vstup (bez cache): 3,00 RMB → 6,00 RMB
  • Výstup: 6,00 RMB → 12,00 RMB
• V4-Flash se zdvojnásobením: vstup s cache 0,02 RMB → 0,04 RMB, bez cache 1 RMB → 2 RMB, výstup 2 RMB → 4 RMB

Uživatelé obdrží e-mailové upozornění 24 hodin před tím, než změna vejde v platnost . Tato změna společně s masivním zrychlením díky DSparku ukazuje, že DeepSeek po svém kole financování v hodnotě přibližně 50 miliard RMB hledá cestu, jak skloubit komerční monetizaci s agresivní open-source strategií .