DeepSeek DSpark: Slik gjør open-source-rammeverket V4 opptil 85 % raskere

27. juni 2026 lanserte DeepSeek, i samarbeid med Pekinguniversitetet, det nye open-source-rammeverket DSpark. Rammeverket er designet for å gjøre inferens i store språkmodeller raskere – uten å gå på bekostning av kvaliteten. Samtidig ble kodebasen DeepSpec sluppet, som gir utviklere og forskere verktøy for å trene og evaluere spekulative dekodingsmodeller.

Slik fungerer DSpark

DSpark er ikke en ny basismodell. Det er et tilleggsmodul som kan settes inn i eksisterende modellarkitekturer. Prinsippet kalles spekulativ dekoding: En lett og rask «kladdemodell» genererer først en rekke mulige neste-tokens (en «kladd»). Deretter verifiserer hovedmodellen hele denne sekvensen på én gang – i stedet for å generere ett og ett token. Dette ligner på teknikker introdusert av Google Research i 2023 og videreutviklet i rammeverk som SpecInfer, Medusa og EAGLE.

Det nye med DSpark er en mekanisme kalt konfidensstyrt spekulativ dekoding. Systemet bestemmer dynamisk hvor mange tokens det skal spekulere på basert på hvor sikker det er. Dette reduserer bortkastet regnekraft på unødvendig verifisering. DSpark har allerede erstattet DeepSeek-V4s tidligere MTP-1-ordning i produksjon.

Ytelsesforbedringer i praksis

DSpark er allerede i bruk i DeepSeek-V4s produksjonssystemer og håndterer reell brukertrafikk på DeepSeek-V4-Flash preview og DeepSeek-V4-Pro preview. Sammenlignet med den forrige MTP-1-baselinjen, og ved samme totale systemgjennomstrømning, oppnår DSpark følgende hastighetsøkninger per bruker:

Modell	Hastighetsøkning per bruker
DeepSeek-V4-Flash	60 % til 85 % raskere
DeepSeek-V4-Pro	57 % til 78 % raskere

Tallene stammer fra faktisk brukertrafikk, ikke syntetiske tester. I en test med et mål på 120 tokens/sekund/bruker for V4-Flash var MTP-1 nær kapasitetsgrensen, mens DSpark oppnådde en nominell gjennomstrømningsfordel på 661 %.

Kompatibilitet på tvers av modeller

DSpark er designet for å være modellagnostisk. I tester på ikke-DeepSeek-arkitekturer, som Qwen3-4B, Qwen3-8B og Qwen3-14B, forbedret DSpark den makro-gjennomsnittlige aksepterte lengden med henholdsvis 30,9 %, 26,7 % og 30,0 % sammenlignet med Eagle3-baselinjen. Mot parallell-kladdemodellen DFlash var gevinstene 16,3 %, 18,4 % og 18,3 % på de samme Qwen3-størrelsene. DSpark beholdt ledelsen også på Gemma4-12B. En 2-lags DSpark-konfigurasjon presterte bedre enn en 5-lags DFlash-konfigurasjon.

DeepSpec-kodebasen

Sammen med DSpark lanserte DeepSeek DeepSpec, en fullstack kodebase for trening og evaluering av spekulative dekodingsmodeller. Den inkluderer implementasjoner av Eagle3, DFlash og DSpark, og lar utviklere og forskere reprodusere resultater, trene egne kladdemodeller og evaluere spekulative dekodingspipelines.

Offisiell DeepSeek V4-lansering og ny prismodell

29. juni 2026 kunngjorde DeepSeek at den offisielle DeepSeek V4-lanseringen er planlagt til midten av juli 2026. Samtidig innføres en ny tidsbasert (peak/off-peak) prismodell for API-et:

• Rushtid (peak): Kl. 09:00–12:00 og 14:00–18:00 beijingtid daglig.
• Pris: API-kostnadene dobles i rushtiden sammenlignet med normalpris.
• Eksempel (V4-Pro, per million tokens):
  • Inndata (cache-treff): 0,025 RMB normalpris → 0,05 RMB rushtid
  • Inndata (cache-bom): 3,00 RMB normalpris → 6,00 RMB rushtid
  • Utdata: 6,00 RMB normalpris → 12,00 RMB rushtid

For V4-Flash dobles prisen tilsvarende. DeepSeek begrunner endringen med et ønske om å «allokere ressurser mer rasjonelt og forbedre tjenestestabiliteten». Denne prismodellen, kombinert med DSpark-hastighetsøkningene, viser DeepSeek strategi for å balansere kommersiell inntjening (etter en finansieringsrunde på omtrent 500 milliarder RMB) med fortsatt aggressive open-source-satsinger.