DeepSeek ו-Peking University חושפות DSpark: המסגרת שמאיצה מודלי שפה גדולים בעד 85%

ב-27 ביוני 2026, DeepSeek בשיתוף Peking University השיקה DSpark, מסגרת קידוד ספקולטיבי בקוד פתוח המיועדת להאיץ את החישוב של מודלי שפה גדולים (LLMs). לצד המסגרת, DeepSeek פרסמה ערכת פיתוח מלאה בשם DeepSpec הכוללת קוד אימון והערכה, כמו גם checkpoints למודלים DeepSeek-V4-Flash ו-V4-Pro עם DSpark משולב . המאמר, שכותרתו "DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation", חתום על ידי מנכ"ל DeepSeek, Liang Wenfeng .

איך DSpark עובד?

DSpark אינה מודל בסיס חדש, אלא תוסף המאפשר למודלים קיימים לפעול במהירות גבוהה יותר באמצעות קידוד ספקולטיבי (speculative decoding) . הרעיון פשוט אך גאוני: מודל "טיוטה" קל משקל (semi-autoregressive draft model) מייצר במהירות מועמדים ל-tokens, והמודל הראשי מאמת אותם בקבוצות - במקום ליצור token אחר token. טכניקה זו, הנקראת speculative decoding, הוצגה לראשונה על ידי Google Research ב-2023 ושוכללה במסגרות כמו SpecInfer, Medusa ו-EAGLE .

DSpark מוסיפה שכבה חדשה בשם confidence-scheduled speculative decoding, המחליטה אוטומטית כמה tokens לייצר על בסיס רמת הביטחון (confidence), מה שמפחית בזבוז חישובי . היא מחליפה את שיטת MTP-1 (Multi-Token Prediction) הקודמת .

שיפור ביצועים בייצור

DSpark כבר מוטמעת במערכות הייצור של DeepSeek-V4 (גרסאות Flash ו-Pro) עבור תעבורת משתמשים אמיתית . בהשוואה ל-MTP-1, באותה תפוקת מערכת (throughput), השיפור במהירות הייצור למשתמש יחיד הוא:

מודל	שיפור במהירות ייצור למשתמש יחיד
DeepSeek-V4-Flash	60% עד 85%
DeepSeek-V4-Pro	57% עד 78%

הנתונים מגיעים מעומסי משתמשים אמיתיים, לא מבנצ'מרקים סינתטיים . תחת אילוצי latency מחמירים, DSpark מונעת את קריסת התפוקה (throughput cliff) שחוות שיטות קודמות, ודוחפת את גבול Pareto של המערכת . במבחן שהציב יעד של 120 tokens/sec/user ל-V4-Flash, MTP-1 כמעט הגיע לגבול היכולת שלו בעוד DSpark השיגה יתרון תפוקה נומינלי של 661% .

תאימות בין-מודלים (Model-Agnostic)

DSpark תוכננה להיות תואמת בין-מודלים. המאמר מדגים את יעילותה על ארכיטקטורות שאינן של DeepSeek: ב-Qwen3-4B, Qwen3-8B ו-Qwen3-14B, DSpark שיפרה את ה-macro-average accepted length ב-30.9%, 26.7% ו-30.0% בהתאמה יחסית ל-Eagle3 . בהשוואה ל-DFlash (דגם טיוטה מקבילי), השיפורים היו 16.3%, 18.4% ו-18.3% באותם גדלי Qwen3 . DSpark שמרה על היתרון גם ב-Gemma4-12B . מעניין לציין שתצורת DSpark עם 2 שכבות התעלתה על תצורת DFlash עם 5 שכבות .

שינוי אורך הטיוטה מ-4 ל-16 tokens הוסיף רק 0.2%-1.3% latency לסיבוב, בעוד שה-accepted length השתפר בעד 30% .

ערכת פיתוח DeepSpec

לצד DSpark, DeepSeek שחררה כקוד פתוח את DeepSpec, ערכת פיתוח מלאה ל-training והערכה של קידוד ספקולטיבי. היא כוללת יישומים של Eagle3, DFlash ו-DSpark, ומאפשרת למפתחים ולחוקרים:

• לשחזר את התוצאות במאמר DSpark
• לאמן מודלי טיוטה מותאמים אישית
• להעריך צינורות קידוד ספקולטיבי
• להרחיב את הגישה למודלים שלהם

המאמר, הקוד ומשקלי המודל מאוחסנים תחת deepseek-ai/DeepSpec ב-GitHub וב-Hugging Face .

ההקשר הרחב: השקת V4 רשמית ותמחור peak/off-peak

ב-29 ביוני 2026, DeepSeek הודיעה שפרויקט DeepSeek V4 הרשמי יושק באמצע יולי 2026 . לצד ההשקה, DeepSeek תציג תמחור API על בסיס peak/off-peak :

• שעות peak: 9:00-12:00 ו-14:00-18:00 (שעון בייג'ינג) .
• תמחור: עלויות API יוכפלו בשעות peak ביחס ל-off-peak .
• דוגמה (V4-Pro, למיליון tokens):
  • קלט (cache hit): 0.025 RMB off-peak → 0.05 RMB peak
  • קלט (cache miss): 3.00 RMB off-peak → 6.00 RMB peak
  • פלט: 6.00 RMB off-peak → 12.00 RMB peak

עבור V4-Flash, המחירים בהתאמה: 0.02 RMB → 0.04 RMB (cache hit), 1 RMB → 2 RMB (cache miss), 2 RMB → 4 RMB (פלט) למיליון tokens . DeepSeek מסבירה שהשינוי נועד "לנהל משאבים בצורה רציונלית יותר ולשפר את יציבות השירות" . משתמשים יקבלו הודעת דוא"ל 24 שעות לפני כניסת השינויים לתוקף .

מהלך זה, יחד עם השיפורים ב-DSpark, מאותת על דחיפה של DeepSeek לאיזון בין מונטיזציה מסחרית (לאחר סבב גיוס של כ-50 מיליארד RMB) לבין המשך שחרור Open Source אגרסיבי .