DeepSeek DSpark Terbang Lebih Cepat: Framework Spekulatif Ini Pacu V4 Hingga 85%

Pada 27 Juni 2026, DeepSeek — bekerja sama dengan Peking University — merilis DSpark secara open source, sebuah framework speculative decoding yang dirancang untuk mempercepat inferensi LLM. Bersamaan dengan itu, DeepSeek juga merilis kode sumber pelatihan dan evaluasi bernama DeepSpec, serta model checkpoint untuk DeepSeek-V4-Flash dan V4-Pro yang sudah terintegrasi dengan DSpark . Makalah berjudul "DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation" ditandatangani oleh CEO Liang Wenfeng .

Cara Kerja DSpark

Penting untuk dicatat: DSpark bukanlah model dasar baru. Ini adalah modul tambahan yang dipasang pada checkpoint model yang sudah ada dengan pipeline speculative decoding . Mekanisme intinya: model draf semi-autoregressive yang ringan dengan cepat menghasilkan token kandidat, lalu model utama memverifikasinya secara batch — bukan menghasilkan satu token dalam satu waktu. Pendekatan ini dikenal sebagai speculative decoding, sebuah teknik yang diperkenalkan oleh Google Research pada tahun 2023 dan disempurnakan oleh framework seperti SpecInfer, Medusa, dan EAGLE .

DSpark memperkenalkan elemen baru bernama confidence-scheduled speculative decoding. Sistem secara dinamis memutuskan berapa banyak token yang akan dispekulasikan berdasarkan tingkat kepercayaan, sehingga mengurangi komputasi verifikasi yang sia-sia . Ini menggantikan skema MTP-1 (Multi-Token Prediction) sebelumnya yang digunakan DeepSeek-V4 di produksi .

Peningkatan Performa di Produksi

DSpark sudah diterapkan di sistem produksi DeepSeek-V4 yang menangani lalu lintas pengguna nyata pada layanan pratinjau DeepSeek-V4-Flash dan DeepSeek-V4-Pro . Pada throughput sistem total yang sama, DSpark memberikan peningkatan kecepatan generasi per pengguna berikut dibandingkan baseline MTP-1 sebelumnya:

Model	Peningkatan kecepatan generasi per pengguna
DeepSeek-V4-Flash	60% hingga 85% lebih cepat
DeepSeek-V4-Pro	57% hingga 78% lebih cepat

Hasil ini berasal dari lalu lintas pengguna nyata, bukan tolok ukur sintetis . Di bawah batasan latensi yang ketat, DSpark menghindari penurunan throughput drastis yang dialami skema sebelumnya, mendorong batas Pareto sistem . Dalam satu pengujian yang menargetkan 120 token/detik/pengguna untuk V4-Flash, MTP-1 hampir mencapai batas kapasitasnya sementara DSpark memberikan keunggulan throughput nominal sebesar 661% .

Kompatibilitas Agnostik Model

DSpark dirancang agar agnostik terhadap model. Makalah ini mendemonstrasikan efektivitasnya di berbagai arsitektur non-DeepSeek: pada Qwen3-4B, Qwen3-8B, dan Qwen3-14B, DSpark meningkatkan macro-average accepted length (panjang token yang diterima secara rata-rata) sebesar 30,9%, 26,7%, dan 30,0% masing-masing dibandingkan baseline Eagle3 . Dibandingkan dengan model draf paralel DFlash, peningkatannya adalah 16,3%, 18,4%, dan 18,3% pada ukuran Qwen3 yang sama . DSpark juga mempertahankan keunggulannya pada Gemma4-12B . Menariknya, konfigurasi DSpark 2 lapis mengungguli konfigurasi DFlash 5 lapis .

Memperpanjang draf dari 4 menjadi 16 token hanya menambah latensi 0,2–1,3% per putaran, sementara panjang token yang diterima meningkat hingga 30% .

Kode Sumber DeepSpec

Bersamaan dengan DSpark, DeepSeek merilis DeepSpec secara open source, sebuah framework pelatihan dan evaluasi speculative decoding yang lengkap. Ini mencakup implementasi Eagle3, DFlash, dan DSpark, serta memungkinkan pengembang dan peneliti untuk:

• Mereproduksi hasil yang dilaporkan dalam makalah DSpark
• Melatih model draf kustom
• Mengevaluasi pipeline speculative decoding
• Memperluas pendekatan ini ke model mereka sendiri

Makalah, kode, dan bobot model di-hosting di repositori deepseek-ai/DeepSpec di GitHub dan Hugging Face .

Konteks Lebih Luas: Peluncuran Resmi V4 & Harga Puncak/Off-Peak

Pada 29 Juni 2026, DeepSeek mengumumkan bahwa rilis resmi DeepSeek V4 dijadwalkan pada pertengahan Juli 2026 . Bersamaan dengan itu, DeepSeek akan memperkenalkan struktur harga API berbasis waktu (puncak dan off-peak) :

• Jam puncak: 09:00–12:00 dan 14:00–18:00 waktu Beijing setiap hari .
• Harga: Biaya API menjadi dua kali lipat selama jam puncak dibandingkan dengan tarif off-peak (standar) .
• Contoh (V4-Pro, per juta token):
  • Input (cache hit): 0,025 RMB off-peak → 0,05 RMB puncak
  • Input (cache miss): 3,00 RMB off-peak → 6,00 RMB puncak
  • Output: 6,00 RMB off-peak → 12,00 RMB puncak

Untuk V4-Flash, harga puncak yang sesuai berlipat ganda dari 0,02 RMB menjadi 0,04 RMB (cache hit), 1 RMB menjadi 2 RMB (cache miss), dan 2 RMB menjadi 4 RMB (output) per juta token . DeepSeek menyatakan perubahan ini dimaksudkan untuk "mengalokasikan sumber daya secara lebih rasional dan meningkatkan stabilitas layanan" . Pengguna akan menerima pemberitahuan email 24 jam sebelum perubahan penagihan berlaku . Pergeseran harga ini, dikombinasikan dengan akselerasi DSpark, menandakan dorongan DeepSeek untuk menyeimbangkan monetisasi komersial (setelah putaran pendanaan sekitar 50 miliar RMB) dengan rilis open source yang agresif .