DeepSeek 联手北大开源 DSpark：推理加速高达 85%，V4 正式版与峰谷定价即将落地

DSpark 工作原理

DSpark 并非一个全新的基础模型，而是一个可以“加装”到现有模型上的推测解码模块 。其核心思路是：先用一个轻量级的半自回归草稿（draft）模型快速生成一串候选 Token，再由主模型对这些候选 Token 进行批量验证——而不是逐 Token 生成。这种“先草稿后验证”的技术就是 推测解码（Speculative Decoding），由 Google Research 于 2023 年提出，并经过 SpecInfer、Medusa、EAGLE 等框架不断优化 。

DSpark 的创新之处在于引入了 置信度调度推测解码 机制。系统会根据置信度水平动态决定要推测多少个 Token，从而有效减少因无效验证造成的算力浪费 。在生产环境中，DSpark 已经取代了 DeepSeek-V4 之前使用的 MTP-1（多 Token 预测）方案 。

生产环境性能提升

DSpark 已经部署在 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的生产系统中，处理真实的用户流量 。在保持系统总吞吐量不变的前提下，与之前的 MTP-1 基线方案相比，DSpark 实现了以下单用户生成速度提升：

这些数据来自 真实用户流量，而非合成基准测试 。在严格的延迟约束下，DSpark 避免了早期方案常见的吞吐量断崖式下降，将系统的性能边界推向了新的高度 。在一项针对 V4-Flash 的测试中，当目标设为每用户每秒 120 个 Token 时，MTP-1 已接近其承载极限，而 DSpark 的名义吞吐量优势高达 661% 。

模型无关的兼容性

DSpark 被设计为 模型无关 的框架。论文展示其在非 DeepSeek 架构上的效果：在 Qwen3-4B、Qwen3-8B 和 Qwen3-14B 上，DSpark 相比 Eagle3 基线，宏平均接受长度（macro-average accepted length）分别提升了 30.9%、26.7% 和 30.0% 。与并行草稿模型 DFlash 相比，在相同 Qwen3 模型上的提升分别为 16.3%、18.4% 和 18.3% 。在 Gemma4-12B 上，DSpark 同样保持了领先优势 。值得注意的是，一个 2 层配置的 DSpark 甚至超过了 5 层配置的 DFlash 。

将草稿长度从 4 个 Token 扩展到 16 个 Token，每轮验证仅增加 0.2%-1.3% 的延迟，而接受长度却提升了最高 30% 。

DeepSpec 代码库

与 DSpark 一同开源的还有 DeepSpec，这是一个全栈的推测解码训练与评估框架。它集成了 Eagle3、DFlash 和 DSpark 的实现，使开发者和研究人员能够：

• 复现 DSpark 论文中报告的结果
• 训练自定义的草稿模型
• 评估推测解码管线
• 将这种方法扩展到自己的模型中

论文、代码和模型权重均可在 GitHub 的 deepseek-ai/DeepSpec 仓库以及 Hugging Face 上找到 。

更广泛的背景：V4 正式版发布与峰谷定价

2026 年 6 月 29 日，DeepSeek 宣布 DeepSeek V4 正式版 计划于 2026 年 7 月中旬 上线 。同时，DeepSeek 将引入 分时（峰谷）API 定价机制 ：

• 高峰时段：每天北京时间 9:00-12:00 和 14:00-18:00 。
• 定价规则：高峰时段 API 价格是平时（低谷）价格的两倍 。
• 价格示例（V4-Pro，每百万 Token）：
  • 输入（缓存命中）：低谷 0.025 元 → 高峰 0.05 元
  • 输入（缓存未命中）：低谷 3.00 元 → 高峰 6.00 元
  • 输出：低谷 6.00 元 → 高峰 12.00 元

对于 V4-Flash，相应的峰值价格为：缓存命中从 0.02 元升至 0.04 元，缓存未命中从 1 元升至 2 元，输出从 2 元升至 4 元 。DeepSeek 表示，这一变化旨在“更合理地配置资源，提升服务稳定性”。用户在计费变更生效前 24 小时会收到邮件通知 。这一价格调整，结合 DSpark 带来的速度提升，标志着 DeepSeek 在完成约 500 亿元人民币融资后，正努力在商业变现与持续激进的开源策略之间寻求平衡 。