DeepSeek發布DSpark 聚焦提升AI推理效率

繼完成人民幣500億元融資後，中國AI新創公司深度求索（DeepSeek）今天再公布開源成果，推出DeepSeek-V4-Pro-DSpark、DeepSeek-V4-Flash-DSpark模型，同步開源推測解碼（Speculative Decoding）框架DSpark，以及推測解碼訓練框架DeepSpec。

根據DeepSeek創辦人梁文鋒與北京大學共同發表的論文《DSpark：基於半自回歸生成的置信度調度推測解碼》，將DSpark部署在DeepSeek-V4線上服務系統，並在真實用戶流量環境中運行，可有效減少無效驗證造成的算力浪費。

相較於既有的生產環境基準方案（MTP-1），DSpark在相同吞吐量下，可將單一使用者的生成速度提升60%至85%。更重要的是，在高互動需求下，DSpark能避免吞吐量大幅下降，使系統達到過去難以實現的效能水準，進一步提升整體服務系統的Pareto最佳前緣。

DeepSeek-V4-Pro-DSpark和DeepSeek-V4-Flash-DSpark並非全新模型，而是在原有模型中加入推測解碼模組，以提升推理速度及算力利用效率。推測解碼是一種在不影響模型輸出結果下提升推理效率的技術，先由輕量級模型預先產生候選內容，再交由主模型驗證，以加快大型語言模型（LLM）的推理速度。

DeepSpec則是用於訓練與評估推測解碼草稿模型（Draft Model）的完整開源工具，包含資料準備、模型訓練、草稿模型實作及效能評估等功能，可協助研究人員直接訓練推測解碼模型，降低部署門檻。

業界分析指出，DeepSeek此次發布的重點並非推出全新模型，而是讓現有模型運行得更快、更有效率，有望進一步降低推理成本、改善使用體驗。這也是DeepSeek完成融資後，率先投入AI推理效率優化領域，顯示其除了持續提升模型能力，也希望在算力效率競爭上取得優勢。