DeepSeek DSpark: как open-source фреймворк ускоряет V4 до 85% и что будет с ценами на API

27 июня 2026 года компания DeepSeek совместно с Пекинским университетом представила и открыла исходный код DSpark — фреймворка для спекулятивного декодирования, призванного ускорить вывод (инференс) больших языковых моделей (LLM). Вместе с фреймворком были опубликованы полный стек для обучения и оценки кода (кодовую базу) под названием DeepSpec и контрольные точки (checkpoints) моделей DeepSeek-V4-Flash и V4-Pro с интегрированным DSpark . Научная работа, озаглавленная "DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation", подписана лично генеральным директором DeepSeek Лян Вэньфэном .

Как работает DSpark

DSpark — это не новая базовая модель. Это дополнительный модуль, который добавляется к существующим моделям, чтобы реализовать конвейер спекулятивного декодирования . Основная идея: лёгкая полуавторегрессионная «черновая» модель (draft model) быстро генерирует последовательность токенов-кандидатов, после чего основная модель (target model) проверяет их все сразу. Такой подход известен как спекулятивное декодирование (speculative decoding) — метод, представленный Google Research в 2023 году и впоследствии усовершенствованный в таких фреймворках, как SpecInfer, Medusa и EAGLE .

Новшество DSpark — декодирование, планируемое на основе достоверности (confidence-scheduled speculative decoding). Система динамически решает, сколько токенов генерировать в черновике, исходя из уровня уверенности, что позволяет сократить вычислительные затраты на бесполезную верификацию . В продакшене DSpark заменил предыдущий механизм DeepSeek-V4, называвшийся MTP-1 (Multi-Token Prediction) .

Прирост производительности в реальной эксплуатации

DSpark уже внедрён в производственные системы DeepSeek-V4, которые обрабатывают реальный пользовательский трафик на сервисах DeepSeek-V4-Flash Preview и DeepSeek-V4-Pro Preview . При одинаковой общей пропускной способности системы DSpark обеспечивает следующее ускорение генерации для одного пользователя по сравнению с предыдущим базовым решением MTP-1:

Модель	Ускорение генерации для одного пользователя
DeepSeek-V4-Flash	на 60% – 85% быстрее
DeepSeek-V4-Pro	на 57% – 78% быстрее

Эти показатели получены на реальном пользовательском трафике, а не на синтетических тестах . В условиях жёстких ограничений по времени отклика DSpark позволяет избежать резкого падения пропускной способности (throughput cliff), свойственного прежним подходам, и расширяет границу Парето для всей системы . В одном из тестов, где для V4-Flash требовалось достичь 120 токенов/с/пользователь, MTP-1 работала на пределе своих возможностей, в то время как DSpark продемонстрировал преимущество в пропускной способности на 661% .

Совместимость с различными моделями

DSpark спроектирован как модельно-независимое решение. В научной работе показана его эффективность на моделях, не относящихся к семейству DeepSeek: на Qwen3-4B, Qwen3-8B и Qwen3-14B DSpark улучшил среднюю приёмлемую длину последовательности (macro-average accepted length) на 30.9%, 26.7% и 30.0% соответственно по сравнению с базовым решением Eagle3 . В сравнении с моделью параллельных черновиков DFlash прирост составил 16.3%, 18.4% и 18.3% для тех же размеров Qwen3 . DSpark сохранял лидерство и на модели Gemma4-12B . Примечательно, что конфигурация DSpark всего с двумя слоями превзошла конфигурацию DFlash с пятью слоями .

Увеличение длины черновика с 4 до 16 токенов добавляло лишь 0,2–1,3% задержки на раунд, при этом приёмлемая длина последовательности возрастала до 30% .

Кодовая база DeepSpec

Вместе с DSpark DeepSeek опубликовала DeepSpec — полный стек для обучения и оценки моделей спекулятивного декодирования. В него входят реализации Eagle3, DFlash и DSpark, что позволяет разработчикам и исследователям:

• воспроизводить результаты, описанные в статье о DSpark;
• обучать собственные черновые модели;
• оценивать конвейеры спекулятивного декодирования;
• адаптировать подход к своим моделям.

Статья, код и веса моделей размещены в репозитории deepseek-ai/DeepSpec на GitHub и на Hugging Face .

Общий контекст: официальный запуск V4 и пиковое/непиковое ценообразование

29 июня 2026 года DeepSeek объявила, что официальный выпуск DeepSeek V4 запланирован на середину июля 2026 года . Одновременно с этим компания введёт пиковый и непиковый (временной) тариф на API :

• Пиковые часы: ежедневно с 9:00 до 12:00 и с 14:00 до 18:00 по пекинскому времени .
• Ценообразование: в пиковые часы стоимость вызова API возрастает вдвое по сравнению со стандартными (непиковыми) тарифами .
• Пример (V4-Pro, за миллион токенов):
  • Ввод (попадание в кеш): 0,025 юаня в непиковое время → 0,05 юаня в пиковое
  • Ввод (промах кеша): 3,00 юаня в непиковое время → 6,00 юаней в пиковое
  • Вывод: 6,00 юаней в непиковое время → 12,00 юаней в пиковое

Для V4-Flash соответствующие пиковые цены возрастают с 0,02 юаня до 0,04 юаня (попадание в кеш), с 1 юаня до 2 юаней (промах кеша) и с 2 юаней до 4 юаней (вывод) за миллион токенов . DeepSeek пояснила, что изменение направлено на «более рациональное распределение ресурсов и повышение стабильности сервиса» . Пользователи получат уведомления по электронной почте за 24 часа до вступления новых тарифов в силу .

Это изменение цен в сочетании с ускорением, которое даёт DSpark, свидетельствует о стремлении DeepSeek сбалансировать коммерческую монетизацию (после привлечения финансирования в размере около 50 миллиардов юаней) и продолжение активной политики открытого исходного кода .