Så fungerar DSpark – DeepSeeks nya open source-ramverk som gör AI-svar upp till 85 procent snabbare

Den 27 juni 2026 släppte DeepSeek, i samarbete med Pekinguniversitetet, DSpark – ett ramverk med öppen källkod för spekulativ avkodning som är utformat för att påskynda inferens i stora språkmodeller (LLM). Samtidigt publicerade man DeepSpec, en fullständig kodbas för träning och utvärdering, samt modellcheckpunkter för DeepSeek-V4-Flash och V4-Pro med integrerat DSpark . Forskningsartikeln, "DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation", är undertecknad av DeepSeeks vd Liang Wenfeng .

Hur DSpark fungerar

DSpark är inte en ny basmodell. Det är en extra modul som kan läggas till i befintliga modellcheckpunkter och bygger på en pipeline för spekulativ avkodning . Kärnmekanismen är enkel: en lättviktsmodell (kallad draftmodell) genererar snabbt en rad kandidat-tokens, och därefter verifierar huvudmodellen dessa i batch – istället för att generera en token i taget. Detta tillvägagångssätt kallas spekulativ avkodning, en teknik som introducerades av Google Research 2023 och som vidareutvecklats i ramverk som SpecInfer, Medusa och EAGLE .

DSpark inför en ny funktion som kallas confidence-scheduled speculative decoding. Systemet avgör dynamiskt hur många tokens som ska spekuleras baserat på förtroendenivåer, vilket minskar slöseri med beräkningskraft vid verifiering . Detta ersätter DeepSeek-V4:s tidigare MTP-1-schema (Multi-Token Prediction) i produktion .

Prestandavinster i produktion

DSpark är redan implementerat i DeepSeek-V4:s produktionssystem som hanterar verklig användartrafik på tjänsterna DeepSeek-V4-Flash preview och DeepSeek-V4-Pro preview . Vid samma totala systemgenomströmning ger DSpark följande förbättringar av generationshastigheten per användare jämfört med den tidigare baslinjen MTP-1:

Modell	Förbättring av generationshastighet per användare
DeepSeek-V4-Flash	60% till 85% snabbare
DeepSeek-V4-Pro	57% till 78% snabbare

Dessa resultat kommer från verklig användartrafik, inte syntetiska tester . Under strikta latenskrav undviker DSpark det genombrott i genomströmning som tidigare system drabbades av och flyttar fram systemets Pareto-front . I ett test som siktade på 120 tokens/sekund/användare för V4-Flash var MTP-1 nära sin kapacitetsgräns medan DSpark levererade en nominell genomströmningsfördel på 661% .

Modellagnostisk kompatibilitet

DSpark är utformat för att vara modellagnostiskt. Artikeln visar dess effektivitet på andra arkitekturer än DeepSeek: på Qwen3-4B, Qwen3-8B och Qwen3-14B förbättrade DSpark den makro-genomsnittliga accepterade längden med 30,9 %, 26,7 % respektive 30,0 % jämfört med baslinjen Eagle3 . Mot parallell-draftmodellen DFlash var vinsterna 16,3 %, 18,4 % och 18,3 % på samma Qwen3-storlekar . DSpark behöll också ledningen på Gemma4-12B . Anmärkningsvärt nog presterade en 2-lagers DSpark-konfiguration bättre än en 5-lagers DFlash-konfiguration .

Att öka draftlängden från 4 till 16 tokens tillförde endast 0,2–1,3 % latens per omgång, medan den accepterade längden förbättrades med upp till 30 % .

DeepSpec-kodbasen

Samtidigt med DSpark släppte DeepSeek DeepSpec, en fullständig kodbas med öppen källkod för träning och utvärdering av spekulativ avkodning. Den innehåller implementeringar av Eagle3, DFlash och DSpark och gör det möjligt för utvecklare och forskare att:

• Reproducera resultaten som rapporteras i DSpark-artikeln
• Träna egna draftmodeller
• Utvärdera pipelines för spekulativ avkodning
• Utöka tillvägagångssättet till sina egna modeller

Artikeln, koden och modellvikterna finns i arkivet deepseek-ai/DeepSpec på GitHub och på Hugging Face .

Bredare sammanhang: V4 officiell lansering och prissättning i högtrafik

Den 29 juni 2026 meddelade DeepSeek att den officiella DeepSeek V4-versionen är planerad till mitten av juli 2026 . I samband med detta inför DeepSeek en prissättningsmodell för API med högtrafik :

• Högtrafik: 9:00–12:00 och 14:00–18:00 Pekingtid dagligen .
• Prissättning: API-kostnaderna fördubblas under högtrafik jämfört med lågtrafik (standardpriser) .
• Exempel (V4-Pro, per miljon tokens):
  • Indata (cacheträff): 0,025 RMB lågtrafik → 0,05 RMB högtrafik
  • Indata (cachemiss): 3,00 RMB lågtrafik → 6,00 RMB högtrafik
  • Utdata: 6,00 RMB lågtrafik → 12,00 RMB högtrafik

För V4-Flash fördubblas motsvarande högtrafikspriser från 0,02 RMB till 0,04 RMB (cacheträff), 1 RMB till 2 RMB (cachemiss) och 2 RMB till 4 RMB (utdata) per miljon tokens . DeepSeek uppgav att förändringen syftar till att "mer rationellt allokera resurser och förbättra tjänstestabiliteten" . Användare kommer att få e-postmeddelanden 24 timmar innan faktureringsändringarna träder i kraft . Denna prisförändring, i kombination med DSpark:s hastighetsökningar, signalerar DeepSeeks strävan att balansera kommersiell intjäning (efter en finansieringsrunda på cirka 50 miljarder RMB) med fortsatta aggressiva open source-släpp .