DeepSeek DSpark: Açık Kaynaklı 'Tahmine Dayalı Kod Çözme' V4'ü Nasıl %85'e Kadar Hızlandırıyor?

DSpark Nasıl Çalışıyor?

Öncelikle belirtmek gerekir ki DSpark, yeni bir temel model değildir. Mevcut modellerin üzerine eklenen ve onları hızlandıran bir modüldür . Çalışma prensibi ise oldukça akıllıca: Sistem, önce hafif ve hızlı bir "taslak model" (draft model) kullanarak hızlıca bir dizi aday token (kelime parçası) üretiyor. Ardından, asıl işi yapan büyük ve güçlü model (ana model), bu aday token'ları tek tek değil, toplu halde doğruluyor . Bu yöntem, geleneksel otoregresif (her seferinde bir sonraki token'ı tahmin etme) yöntemine kıyasla çok daha hızlıdır.

DSpark'ı benzerlerinden ayıran en önemli özellik ise güven zamanlamalı tahmine dayalı kod çözme (confidence-scheduled speculative decoding) mekanizmasıdır. Sistem, modelin ne kadar emin olduğuna bağlı olarak, kaç token'lık bir tahmin yapacağını dinamik olarak belirliyor. Bu sayede gereksiz doğrulama işlemlerinin önüne geçilerek hesaplama gücünden tasarruf ediliyor . DSpark, DeepSeek-V4'ün daha önce kullandığı Çoklu-Token Tahmini (MTP-1) yönteminin yerini almış durumda .

Üretim Ortamında Performans Kazanımları

DSpark, halihazırda DeepSeek-V4-Flash preview ve DeepSeek-V4-Pro preview hizmetlerinde gerçek kullanıcı trafiği ile çalışan sistemlerde kullanılıyor . DeepSeek'in yayınladığı verilere göre, aynı toplam sistem çıktısı (throughput) seviyesinde, DSpark'ın önceki MTP-1 yöntemine kıyasla sağladığı hız artışı şöyle:

Bu sonuçların, yapay test ortamlarından değil, canlı kullanıcı trafiğinden elde edildiğinin altını çizmek gerekiyor . DSpark, özellikle gecikme (latency) toleransının çok düşük olduğu senaryolarda, önceki sistemlerin yaşadığı performans düşüşünü (throughput cliff) engelleyerek sistemin teorik performans sınırını (Pareto frontier) zorluyor . Örneğin, V4-Flash için saniyede 120 token hedeflendiğinde, MTP-1 sistemi kapasite sınırına dayanırken DSpark'ın avantajı %661'e kadar çıkabiliyor .

Model Bağımsız Uyumluluk

DSpark'ın en önemli özelliklerinden biri model-agnostik (modele özgü olmayan), yani herhangi bir büyük dil modeliyle çalışacak şekilde tasarlanmış olmasıdır. Makalede, DSpark'ın DeepSeek dışındaki modellerde de etkili olduğu gösteriliyor. Örneğin, Qwen3-4B, Qwen3-8B ve Qwen3-14B modellerinde, DSpark'ın ortalama kabul edilen token uzunluğu (macro-average accepted length) Eagle3 yöntemine kıyasla sırasıyla %30,9, %26,7 ve %30,0 oranında arttırdığı belirtiliyor . Yine aynı Qwen3 modellerinde, başka bir rakip yöntem olan DFlash'e kıyasla bu artış %16,3, %18,4 ve %18,3 seviyelerinde . DSpark ayrıca Gemma4-12B modelinde de liderliğini koruyor . İlginç bir detay ise, 2 katmanlı (2-layer) bir DSpark yapılandırmasının, 5 katmanlı bir DFlash yapılandırmasından daha iyi performans göstermesi .

DeepSpec Kod Tabanı

DeepSeek, DSpark'ın yanı sıra, araştırmacılar ve geliştiriciler için DeepSpec adında bir yazılım seti de açık kaynak olarak yayınladı. DeepSpec; Eagle3, DFlash ve DSpark uygulamalarını içeren, tahmine dayalı kod çözme üzerine kapsamlı bir eğitim (training) ve değerlendirme (evaluation) çerçevesi sunuyor. Geliştiriciler bu sayede:

• DSpark makalesindeki sonuçları kendi sistemlerinde tekrarlayabilecek,
• Kendi özel taslak modellerini eğitebilecek,
• Farklı tahmine dayalı kod çözme sistemlerini değerlendirebilecek,
• Bu yaklaşımı kendi modellerine uyarlayabilecek .

Makale, kaynak kodlar ve model ağırlıkları, GitHub'daki deepseek-ai/DeepSpec deposu ve Hugging Face üzerinden erişime açıldı .

Daha Geniş Bağlam: V4'ün Resmi Çıkışı ve Zirve-Çukur Fiyatlandırması

DeepSeek, 29 Haziran 2026'da DeepSeek V4'ün resmi sürümünün Temmuz 2026 ortasında yayınlanacağını duyurdu . Bu duyuruyla birlikte, API hizmetleri için yeni bir zirve-çukur (peak-and-off-peak) fiyatlandırma modeli de açıklandı :

• Yoğun (Zirve) Saatler: Her gün Pekin saatiyle 09:00–12:00 ve 14:00–18:00 arası .
• Fiyatlandırma: Yoğun saatlerde API maliyetleri, normal tarifeye göre iki katına çıkıyor .
• Örnek (V4-Pro, milyon token başına):
  • Girdi (önbellek isabeti): 0,025 RMB (normal) → 0,05 RMB (yoğun)
  • Girdi (önbellek ıskası): 3,00 RMB (normal) → 6,00 RMB (yoğun)
  • Çıktı: 6,00 RMB (normal) → 12,00 RMB (yoğun)

V4-Flash modeli için de benzer şekilde, yoğun saat fiyatları normal tarifenin iki katı olacak: önbellek isabetinde 0,02 RMB'den 0,04 RMB'ye, önbellek ıskasında 1 RMB'den 2 RMB'ye ve çıktıda 2 RMB'den 4 RMB'ye yükselecek . DeepSeek, bu değişikliğin amacını "kaynakları daha rasyonel bir şekilde dağıtmak ve hizmet istikrarını artırmak" olarak açıkladı . Kullanıcılara, fatura değişikliklerinden 24 saat önce e-posta bildirimi yapılacağı belirtildi . Bu fiyatlandırma değişikliği ve DSpark'ın getirdiği hız artışı, DeepSeek'in (yaklaşık 500 milyar RMB'lik fonlama turunun ardından) ticarileşme çabaları ile agresif açık kaynak politikasını bir arada yürütme stratejisini gösteriyor .