DSpark 運作原理

DSpark 並非一個全新的基礎模型。它是一個附加模組，能為現有模型檢查點加入推測解碼流程 。核心機制是：一個輕量級的半自回歸草稿模型（draft model）快速生成一系列候選 token，再由主要模型（target model）對這些候選 token 進行批量驗證──而非逐個 token 逐一生成。這種方法稱為推測解碼，最早由 Google Research 於 2023 年提出，後續由 SpecInfer、Medusa、EAGLE 等框架持續優化 。

DSpark 引入的全新元素是信心調度推測解碼（confidence-scheduled speculative decoding）。系統會根據模型對每個候選 token 的信心水準，動態決定要推測多少個 token，從而減少驗證階段不必要的算力浪費 。這套機制已取代 DeepSeek-V4 原先在生產環境中使用的 MTP-1（Multi-Token Prediction）方案 。

生產環境下的效能提升

DSpark 目前已部署在 DeepSeek-V4 的生產系統中，承接來自 DeepSeek-V4-Flash preview 與 DeepSeek-V4-Pro preview 服務的真實用戶流量 。在系統總吞吐量不變的前提下，與先前的 MTP-1 基準相比，DSpark 為每位使用者帶來的生成速度提升如下：

這些數據來自真實的線上用戶流量，而非合成基準測試 。在嚴格的互動延遲限制下，DSpark 能避免先前方案常出現的吞吐量急遽下滑，將整個服務系統的效能邊界（Pareto frontier）向外推展 。在一項針對 V4-Flash 設定每秒每用戶 120 個 token 的測試中，MTP-1 已接近其承載極限，而 DSpark 的標稱吞吐優勢高達 661% 。

模型通用相容性

DSpark 被設計為模型通用（model-agnostic）的架構。論文顯示其在非 DeepSeek 模型上也同樣有效：在 Qwen3-4B、Qwen3-8B 與 Qwen3-14B 上，DSpark 的巨觀平均接受長度（macro-average accepted length）分別比 Eagle3 基準高出 30.9%、26.7% 與 30.0% ；與並行草稿模型 DFlash 相比，則分別提升 16.3%、18.4% 與 18.3% 。在 Gemma4-12B 上，DSpark 同樣保持領先 。值得注意的是，僅使用 2 層設定的 DSpark，其表現超越了 5 層設定的 DFlash 。

將推測長度（draft length）從 4 個 token 擴展到 16 個 token，每次迭代的延遲僅增加 0.2% 至 1.3%，但接受長度卻能改善多達 30% 。

DeepSpec 程式碼庫

除 DSpark 外，DeepSeek 還開源了 DeepSpec，這是一套全棧的推測解碼訓練與評估框架。其中包含了 Eagle3、DFlash 和 DSpark 的實作，讓開發者與研究人員能夠：

• 重現 DSpark 論文中報告的實驗結果
• 訓練自訂的草稿模型
• 評估推測解碼流程
• 將此方法擴展到他們自己的模型上

論文、程式碼與模型權重已託管於 GitHub 上的 deepseek-ai/DeepSpec 倉庫，以及 Hugging Face 。

更廣的脈絡：V4 正式版與峰谷定價

2026 年 6 月 29 日，DeepSeek 宣布 DeepSeek V4 正式版預計於 2026 年 7 月中旬推出 。伴隨正式版發布，DeepSeek 將導入峰谷（依時段）API 定價結構 ：

• 高峰時段：每日北京時間 09:00–12:00 與 14:00–18:00 。
• 定價：API 費用在高峰時段為離峰（標準）費率的兩倍 。
• 範例（V4-Pro，每百萬 token）：
  • 輸入（快取命中）：離峰 0.025 元人民幣 → 高峰 0.05 元
  • 輸入（快取未命中）：離峰 3.00 元 → 高峰 6.00 元
  • 輸出：離峰 6.00 元 → 高峰 12.00 元

對於 V4-Flash，相應的高峰定價同樣從離峰價格翻倍：快取命中從 0.02 元漲至 0.04 元，快取未命中從 1 元漲至 2 元，輸出則從 2 元漲至 4 元 。DeepSeek 表示，此項調整旨在「更合理地配置資源、提升服務穩定性」。用戶將在計費變更生效前 24 小時收到電子郵件通知 。這項價格變動，連同 DSpark 帶來的速度提升，顯示 DeepSeek 正努力在商業化變現（繼其約 500 億元人民幣融資之後）與持續積極開源之間取得平衡 。

DSpark 運作原理

DSpark 並非一個全新的基礎模型。它是一個附加模組，能為現有模型檢查點加入推測解碼流程 。核心機制是：一個輕量級的半自回歸草稿模型（draft model）快速生成一系列候選 token，再由主要模型（target model）對這些候選 token 進行批量驗證──而非逐個 token 逐一生成。這種方法稱為推測解碼，最早由 Google Research 於 2023 年提出，後續由 SpecInfer、Medusa、EAGLE 等框架持續優化 。

DSpark 引入的全新元素是信心調度推測解碼（confidence-scheduled speculative decoding）。系統會根據模型對每個候選 token 的信心水準，動態決定要推測多少個 token，從而減少驗證階段不必要的算力浪費 。這套機制已取代 DeepSeek-V4 原先在生產環境中使用的 MTP-1（Multi-Token Prediction）方案 。

生產環境下的效能提升

DSpark 目前已部署在 DeepSeek-V4 的生產系統中，承接來自 DeepSeek-V4-Flash preview 與 DeepSeek-V4-Pro preview 服務的真實用戶流量 。在系統總吞吐量不變的前提下，與先前的 MTP-1 基準相比，DSpark 為每位使用者帶來的生成速度提升如下：

這些數據來自真實的線上用戶流量，而非合成基準測試 。在嚴格的互動延遲限制下，DSpark 能避免先前方案常出現的吞吐量急遽下滑，將整個服務系統的效能邊界（Pareto frontier）向外推展 。在一項針對 V4-Flash 設定每秒每用戶 120 個 token 的測試中，MTP-1 已接近其承載極限，而 DSpark 的標稱吞吐優勢高達 661% 。

模型通用相容性

DSpark 被設計為模型通用（model-agnostic）的架構。論文顯示其在非 DeepSeek 模型上也同樣有效：在 Qwen3-4B、Qwen3-8B 與 Qwen3-14B 上，DSpark 的巨觀平均接受長度（macro-average accepted length）分別比 Eagle3 基準高出 30.9%、26.7% 與 30.0% ；與並行草稿模型 DFlash 相比，則分別提升 16.3%、18.4% 與 18.3% 。在 Gemma4-12B 上，DSpark 同樣保持領先 。值得注意的是，僅使用 2 層設定的 DSpark，其表現超越了 5 層設定的 DFlash 。

將推測長度（draft length）從 4 個 token 擴展到 16 個 token，每次迭代的延遲僅增加 0.2% 至 1.3%，但接受長度卻能改善多達 30% 。

DeepSpec 程式碼庫

除 DSpark 外，DeepSeek 還開源了 DeepSpec，這是一套全棧的推測解碼訓練與評估框架。其中包含了 Eagle3、DFlash 和 DSpark 的實作，讓開發者與研究人員能夠：

• 重現 DSpark 論文中報告的實驗結果
• 訓練自訂的草稿模型
• 評估推測解碼流程
• 將此方法擴展到他們自己的模型上

論文、程式碼與模型權重已託管於 GitHub 上的 deepseek-ai/DeepSpec 倉庫，以及 Hugging Face 。

更廣的脈絡：V4 正式版與峰谷定價

2026 年 6 月 29 日，DeepSeek 宣布 DeepSeek V4 正式版預計於 2026 年 7 月中旬推出 。伴隨正式版發布，DeepSeek 將導入峰谷（依時段）API 定價結構 ：

• 高峰時段：每日北京時間 09:00–12:00 與 14:00–18:00 。
• 定價：API 費用在高峰時段為離峰（標準）費率的兩倍 。
• 範例（V4-Pro，每百萬 token）：
  • 輸入（快取命中）：離峰 0.025 元人民幣 → 高峰 0.05 元
  • 輸入（快取未命中）：離峰 3.00 元 → 高峰 6.00 元
  • 輸出：離峰 6.00 元 → 高峰 12.00 元

對於 V4-Flash，相應的高峰定價同樣從離峰價格翻倍：快取命中從 0.02 元漲至 0.04 元，快取未命中從 1 元漲至 2 元，輸出則從 2 元漲至 4 元 。DeepSeek 表示，此項調整旨在「更合理地配置資源、提升服務穩定性」。用戶將在計費變更生效前 24 小時收到電子郵件通知 。這項價格變動，連同 DSpark 帶來的速度提升，顯示 DeepSeek 正努力在商業化變現（繼其約 500 億元人民幣融資之後）與持續積極開源之間取得平衡 。