DeepSeek và Đại học Bắc Kinh mở khóa bí quyết tăng tốc AI: DSpark và DeepSpec chính thức được mã nguồn mở
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô. Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lê...
Đăng bởiBiên tập bằng DeepSeek-V4-FlashHình ảnh được tạo bằng GPT Image 1.5
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô.
Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lên 60 85% và của V4 Pro lên 57 78%.
DSpark không phải là mô hình mới mà là một module bổ sung, mô hình bất khả tri, có thể tích hợp vào các kiến trúc khác như Qwen3 hay Gemma4, với hiệu năng vượt trội so với các nền tảng trước đó như Eagle3 và DFlash.
Kèm theo đó là bộ mã nguồn DeepSpec cho phép lập trình viên tự huấn luyện, đánh giá và mở rộng pipeline giải mã suy đoán.
Search & fact-check with cited sources for What are the key details of DeepSeek's open-source DSpark speculative decoding framework releasedAn abstract visualization representing the DSpark speculative decoding framework from DeepSeek and Peking University.
Prompt AI
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details of DeepSeek's open-source DSpark speculative decoding framework released. Article summary: Here are the key details, fully sourced:. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Ngày 27/6/2026, kỳ lân AI Trung Quốc DeepSeek hợp tác với Đại học Bắc Kinh chính thức mã nguồn mở DSpark, một khung giải mã suy đoán (speculative decoding) nhằm tăng tốc suy luận (inference) cho các mô hình ngôn ngữ lớn. Đây không phải là một mô hình AI mới, mà là một 'plugin' tăng tốc được thiết kế để gắn vào các mô hình AI hiện có, bao gồm cả phiên bản preview của DeepSeek-V4 .
Nguyên lý hoạt động: 'Viết nháp' trước, 'phê duyệt' sau
Cốt lõi của DSpark là kỹ thuật speculative decoding (giải mã suy đoán). Thay vì để mô hình AI lớn và chậm tự 'viết' từng chữ một theo kiểu tuần tự, DSpark cho phép một mô hình 'nháp' nhỏ hơn, nhanh hơn (draft model) sinh ra một chuỗi các token dự kiến. Sau đó, mô hình chính (target model) sẽ xác thực toàn bộ các token này trong một lần, thay vì từng token một. Phương pháp này chính là 'bí quyết' để tăng tốc, như đã được Google Research và các khung như Medusa, EAGLE giới thiệu từ năm 2023 .
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Câu trả lời ngắn gọn cho "DeepSeek và Đại học Bắc Kinh mở khóa bí quyết tăng tốc AI: DSpark và DeepSpec chính thức được mã nguồn mở" là gì?
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô.
Những điểm chính cần xác nhận đầu tiên là gì?
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô. Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lên 60 85% và của V4 Pro lên 57 78%.
Tôi nên làm gì tiếp theo trong thực tế?
DSpark không phải là mô hình mới mà là một module bổ sung, mô hình bất khả tri, có thể tích hợp vào các kiến trúc khác như Qwen3 hay Gemma4, với hiệu năng vượt trội so với các nền tảng trước đó như Eagle3 và DFlash.
DeepSeek và Đại học Bắc Kinh mở khóa bí quyết tăng tốc AI: DSpark và DeepSpec chính thức được mã nguồn mở
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô. Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lê...
Đăng bởiBiên tập bằng DeepSeek-V4-FlashHình ảnh được tạo bằng GPT Image 1.5
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô.
Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lên 60 85% và của V4 Pro lên 57 78%.
DSpark không phải là mô hình mới mà là một module bổ sung, mô hình bất khả tri, có thể tích hợp vào các kiến trúc khác như Qwen3 hay Gemma4, với hiệu năng vượt trội so với các nền tảng trước đó như Eagle3 và DFlash.
Kèm theo đó là bộ mã nguồn DeepSpec cho phép lập trình viên tự huấn luyện, đánh giá và mở rộng pipeline giải mã suy đoán.
Search & fact-check with cited sources for What are the key details of DeepSeek's open-source DSpark speculative decoding framework releasedAn abstract visualization representing the DSpark speculative decoding framework from DeepSeek and Peking University.
Prompt AI
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details of DeepSeek's open-source DSpark speculative decoding framework released. Article summary: Here are the key details, fully sourced:. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Ngày 27/6/2026, kỳ lân AI Trung Quốc DeepSeek hợp tác với Đại học Bắc Kinh chính thức mã nguồn mở DSpark, một khung giải mã suy đoán (speculative decoding) nhằm tăng tốc suy luận (inference) cho các mô hình ngôn ngữ lớn. Đây không phải là một mô hình AI mới, mà là một 'plugin' tăng tốc được thiết kế để gắn vào các mô hình AI hiện có, bao gồm cả phiên bản preview của DeepSeek-V4 .
Nguyên lý hoạt động: 'Viết nháp' trước, 'phê duyệt' sau
Cốt lõi của DSpark là kỹ thuật speculative decoding (giải mã suy đoán). Thay vì để mô hình AI lớn và chậm tự 'viết' từng chữ một theo kiểu tuần tự, DSpark cho phép một mô hình 'nháp' nhỏ hơn, nhanh hơn (draft model) sinh ra một chuỗi các token dự kiến. Sau đó, mô hình chính (target model) sẽ xác thực toàn bộ các token này trong một lần, thay vì từng token một. Phương pháp này chính là 'bí quyết' để tăng tốc, như đã được Google Research và các khung như Medusa, EAGLE giới thiệu từ năm 2023 .
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Câu trả lời ngắn gọn cho "DeepSeek và Đại học Bắc Kinh mở khóa bí quyết tăng tốc AI: DSpark và DeepSpec chính thức được mã nguồn mở" là gì?
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô.
Những điểm chính cần xác nhận đầu tiên là gì?
DeepSeek và Đại học Bắc Kinh vừa ra mắt và mã nguồn mở DSpark, một khung giải mã suy đoán giúp tăng tốc AI bằng cách dùng mô hình 'nháp' nhẹ để dự đoán trước token, sau đó để mô hình chính xác thực theo lô. Trên dữ liệu thực tế từ phiên bản preview, DSpark tăng tốc độ sinh cho mỗi người dùng của DeepSeek V4 Flash lên 60 85% và của V4 Pro lên 57 78%.
Tôi nên làm gì tiếp theo trong thực tế?
DSpark không phải là mô hình mới mà là một module bổ sung, mô hình bất khả tri, có thể tích hợp vào các kiến trúc khác như Qwen3 hay Gemma4, với hiệu năng vượt trội so với các nền tảng trước đó như Eagle3 và DFlash.
Điểm mới của DSpark nằm ở cơ chế Confidence-Scheduled Speculative Decoding (Giải mã suy đoán có lịch trình tin cậy). Hệ thống sẽ quyết định linh hoạt số lượng token cần 'đoán' dựa trên độ tin cậy của mô hình nháp. Điều này giảm thiểu các phép tính toán 'vô ích' khi mô hình nháp 'đoán sai' . Trong hệ thống sản xuất thực tế, DSpark đã thay thế cơ chế MTP-1 (Multi-Token Prediction) trước đây của DeepSeek-V4 .
Hiệu suất sản xuất thực tế: Tốc độ 'bùng nổ'
DSpark đã được triển khai và hoạt động trên hệ thống sản xuất thực tế, xử lý lưu lượng truy cập của người dùng thực trên các dịch vụ DeepSeek-V4-Flash preview và V4-Pro preview . Kết quả rất ấn tượng:
Mô hình
Cải thiện tốc độ sinh cho mỗi người dùng (tại cùng tổng thông lượng hệ thống)
DeepSeek-V4-Flash
Nhanh hơn 60% đến 85%
DeepSeek-V4-Pro
Nhanh hơn 57% đến 78%
Đây là kết quả từ lưu lượng người dùng thực, không phải từ các điểm chuẩn giả định . Trong các ràng buộc về độ trễ khắt khe, DSpark đã vượt qua các giới hạn hiệu suất so với MTP-1, tạo ra một 'đường biên Pareto' mới cho hệ thống .
Khả năng tương thích rộng rãi (Model-Agnostic)
DSpark được thiết kế theo hướng mô hình bất khả tri, nó có thể hoạt động trên các kiến trúc khác nhau ngoài DeepSeek. Thử nghiệm trên các dòng mô hình Qwen3 (4B, 8B, 14B) cho thấy DSpark cải thiện 'macro-average accepted length' (độ dài chấp nhận trung bình) lần lượt là 30.9%, 26.7%, và 30.0% so với nền tảng Eagle3, và từ 16.3% đến 18.4% so với DFlash . Nó cũng cho thấy ưu thế vượt trội ngay cả khi so sánh cấu hình: DSpark với 2 lớp mạng (layer) vượt trội hơn DFlash với 5 lớp .
Bộ mã nguồn DeepSpec
Cùng với DSpark, DeepSeek cũng mã nguồn mở DeepSpec, một bộ mã nguồn đào tạo và đánh giá toàn diện cho giải mã suy đoán. Nó bao gồm các triển khai của Eagle3, DFlash và chính DSpark, cho phép các nhà phát triển và nhà nghiên cứu tái tạo kết quả, huấn luyện mô hình nháp tùy chỉnh, đánh giá các pipeline và mở rộng phương pháp này cho các mô hình của riêng họ . Mọi thứ đều được lưu trữ trên GitHub và Hugging Face dưới tên kho deepseek-ai/DeepSpec.
Bối cảnh: Ra mắt V4 chính thức & Giá API thay đổi
Ngày 29/6/2026, DeepSeek thông báo rằng phiên bản DeepSeek V4 chính thức sẽ ra mắt vào giữa tháng 7 năm 2026. Cùng với đó, DeepSeek sẽ giới thiệu một cấu trúc giá API mới dựa trên giờ cao điểm và giờ thấp điểm (peak-and-off-peak pricing).
Cụ thể:
Giờ cao điểm: 9:00–12:00 và 14:00–18:00 (giờ Bắc Kinh) .
Giá tăng gấp đôi: So với giờ thấp điểm tiêu chuẩn .
Ví dụ giá V4-Pro (trên 1 triệu token):
Đầu vào (cache hit): 0.025 NDT (thấp điểm) → 0.05 NDT (cao điểm)
Đầu vào (cache miss): 3.00 NDT (thấp điểm) → 6.00 NDT (cao điểm)
Đối với V4-Flash, giá cao điểm cũng gấp đôi: từ 0.02 NDT lên 0.04 NDT (cache hit), 1 NDT lên 2 NDT (cache miss) và 2 NDT lên 4 NDT (output) . DeepSeek cho biết sự thay đổi này nhằm "phân bổ tài nguyên hợp lý hơn và cải thiện tính ổn định của dịch vụ" . Sự kết hợp giữa tốc độ tăng đột biến từ DSpark và chiến lược giá mới cho thấy DeepSeek đang bước vào giai đoạn cân bằng giữa thương mại hóa (sau vòng gọi vốn khoảng 50 tỷ NDT) và tiếp tục các chiến lược mã nguồn mở mạnh mẽ .
Điểm mới của DSpark nằm ở cơ chế Confidence-Scheduled Speculative Decoding (Giải mã suy đoán có lịch trình tin cậy). Hệ thống sẽ quyết định linh hoạt số lượng token cần 'đoán' dựa trên độ tin cậy của mô hình nháp. Điều này giảm thiểu các phép tính toán 'vô ích' khi mô hình nháp 'đoán sai' . Trong hệ thống sản xuất thực tế, DSpark đã thay thế cơ chế MTP-1 (Multi-Token Prediction) trước đây của DeepSeek-V4 .
Hiệu suất sản xuất thực tế: Tốc độ 'bùng nổ'
DSpark đã được triển khai và hoạt động trên hệ thống sản xuất thực tế, xử lý lưu lượng truy cập của người dùng thực trên các dịch vụ DeepSeek-V4-Flash preview và V4-Pro preview . Kết quả rất ấn tượng:
Mô hình
Cải thiện tốc độ sinh cho mỗi người dùng (tại cùng tổng thông lượng hệ thống)
DeepSeek-V4-Flash
Nhanh hơn 60% đến 85%
DeepSeek-V4-Pro
Nhanh hơn 57% đến 78%
Đây là kết quả từ lưu lượng người dùng thực, không phải từ các điểm chuẩn giả định . Trong các ràng buộc về độ trễ khắt khe, DSpark đã vượt qua các giới hạn hiệu suất so với MTP-1, tạo ra một 'đường biên Pareto' mới cho hệ thống .
Khả năng tương thích rộng rãi (Model-Agnostic)
DSpark được thiết kế theo hướng mô hình bất khả tri, nó có thể hoạt động trên các kiến trúc khác nhau ngoài DeepSeek. Thử nghiệm trên các dòng mô hình Qwen3 (4B, 8B, 14B) cho thấy DSpark cải thiện 'macro-average accepted length' (độ dài chấp nhận trung bình) lần lượt là 30.9%, 26.7%, và 30.0% so với nền tảng Eagle3, và từ 16.3% đến 18.4% so với DFlash . Nó cũng cho thấy ưu thế vượt trội ngay cả khi so sánh cấu hình: DSpark với 2 lớp mạng (layer) vượt trội hơn DFlash với 5 lớp .
Bộ mã nguồn DeepSpec
Cùng với DSpark, DeepSeek cũng mã nguồn mở DeepSpec, một bộ mã nguồn đào tạo và đánh giá toàn diện cho giải mã suy đoán. Nó bao gồm các triển khai của Eagle3, DFlash và chính DSpark, cho phép các nhà phát triển và nhà nghiên cứu tái tạo kết quả, huấn luyện mô hình nháp tùy chỉnh, đánh giá các pipeline và mở rộng phương pháp này cho các mô hình của riêng họ . Mọi thứ đều được lưu trữ trên GitHub và Hugging Face dưới tên kho deepseek-ai/DeepSpec.
Bối cảnh: Ra mắt V4 chính thức & Giá API thay đổi
Ngày 29/6/2026, DeepSeek thông báo rằng phiên bản DeepSeek V4 chính thức sẽ ra mắt vào giữa tháng 7 năm 2026. Cùng với đó, DeepSeek sẽ giới thiệu một cấu trúc giá API mới dựa trên giờ cao điểm và giờ thấp điểm (peak-and-off-peak pricing).
Cụ thể:
Giờ cao điểm: 9:00–12:00 và 14:00–18:00 (giờ Bắc Kinh) .
Giá tăng gấp đôi: So với giờ thấp điểm tiêu chuẩn .
Ví dụ giá V4-Pro (trên 1 triệu token):
Đầu vào (cache hit): 0.025 NDT (thấp điểm) → 0.05 NDT (cao điểm)
Đầu vào (cache miss): 3.00 NDT (thấp điểm) → 6.00 NDT (cao điểm)
Đối với V4-Flash, giá cao điểm cũng gấp đôi: từ 0.02 NDT lên 0.04 NDT (cache hit), 1 NDT lên 2 NDT (cache miss) và 2 NDT lên 4 NDT (output) . DeepSeek cho biết sự thay đổi này nhằm "phân bổ tài nguyên hợp lý hơn và cải thiện tính ổn định của dịch vụ" . Sự kết hợp giữa tốc độ tăng đột biến từ DSpark và chiến lược giá mới cho thấy DeepSeek đang bước vào giai đoạn cân bằng giữa thương mại hóa (sau vòng gọi vốn khoảng 50 tỷ NDT) và tiếp tục các chiến lược mã nguồn mở mạnh mẽ .
