DeepSeek完成500亿融资后首次开源，新工程方案让模型推理提效降本

【导语：6月27日，完成500亿融资的DeepSeek首次放出开源新成果，推出新模型并开源推测解码框架DSpark及训练框架DeepSpec，有望带来更快更低成本的推理体验。】

开源新成果：模型与框架齐发

今日，DeepSeek开源了一套让现有模型跑得更快的工程方案，推出DeepSeek-V4-Pro-DSpark、DeepSeek-V4-Flash-DSpark模型，还开源推测解码框架DSpark以及推测解码训练框架DeepSpec。

DSpark：提升单用户生成速度60%-85%

根据论文，将DSpark部署在DeepSeek-V4线上服务系统时，有效减少了无效校验带来的算力浪费。相较于成熟的生产基线方案（MTP-1），在保持整体吞吐不变的前提下，DSpark把单用户生成速度提升60%-85%，还避免了在严格交互时延约束下吞吐率大幅滑坡，推高了整套服务系统的帕累托最优边界。

DeepSeek-V4-Pro-DSpark和DeepSeek-V4-Flash-DSpark在原有版本基础上增加推测解码模块，用以加快推理速度、降低成本。

攻克技术难点：结合高吞吐与自适应校验

当前主流并行草稿器存在草稿后续内容通过率快速下滑、高并发服务场景下整体吞吐率大幅下降等问题。为此，DeepSeek提出DSpark推测解码框架，把高吞吐并行生成与自适应、感知负载的校验机制结合在一起。

DSpark采用半自回归架构，缓解末尾内容通过率衰减问题；引入置信度调度校验机制，为每一条请求动态调整校验长度，在多领域离线基准测试中能显著提升有效通过序列长度。

DeepSpec：支持多算法训练草稿模型

DeepSpec是用于训练和评估推测性解码草稿模型的全栈代码库，包含数据准备工具、草稿模型实现、训练代码和评估脚本，支持MIT许可。

其工作流程按顺序运行各个阶段，目前支持DSpark、DFlash和Eagle3三个草稿模型，还可供开发者和企业为Qwen3、Gemma等模型训练草稿模型。

编辑观点：DeepSeek此次开源成果含金量高，在推理优化赛道率先落子，有望推动行业降低推理成本、提升效率，在大模型系统博弈中占得先机。