当行业在讨论谁的模型更智能时，DeepSeek将注意力集中在更实际的问题上：如何提升模型的推理速度。

6月27日，DeepSeek在Github上低调发布了一篇新论文，介绍其推理加速框架DSpark，试图应对大语言模型在高并发场景中的推理效率瓶颈。

这篇论文由DeepSeek与北京大学联合发布，创始人梁文锋也在作者名单中。文中，团队开源了DSpark模型权重，并同步发布了针对推测解码的训练代码仓库DeepSpec。

论文标题较为晦涩，名为《DSpark：基于置信度调度的半自回归生成推测解码》。其中，DeepSeek解释了当前大语言模型的自回归生成方式存在的问题，每次生成新词元都需进行完整前向传播，这导致了GPU利用率低、用户等待时间长等性能瓶颈，特别是WhatsApp网页版在实时对话和多轮智能体应用中表现明显。

现有主流方案如自回归草稿模型（Eagle3）和并行草稿模型（DFlash）各有不足，包括生成质量和系统效率的限制，并缺乏有效的负载自适应校验机制。

为此，DeepSeek提出了DSpark推测解码框架，采用半自回归架构，通过两种互补机制来解决草稿生成与校验的矛盾，实现了高吞吐的并行生成与自适应负载感知的结合。

根据论文测试结果，在数学推理、代码生成和日常闲聊等三种任务中，DSpark框架显著提高了单轮平均可接受词元长度。DeepSeek已经将DSpark部署到DeepSeek-V4在线服务中，并在真实用户流量中评估其性能，数据显示相较于MTP-1，DSpark在相同吞吐量下，用户端生成速度提升了60%-85%。

此外，DSpark的应用于多个模型上验证了其有效性，例如在阿里旗下Qwen3-4B、8B、14B模型中，DSpark相较于自回归草稿模型和并行草稿模型，都有显著的性能提升。

总的来看，这篇论文通过算法创新显著提升了推理生成速度，尤其在大模型日益商业化的趋势下，速度和成本的竞争力愈发重要。此外，通过开源，DeepSeek助力了社区的发展。

社交平台上，一些开发者评价道：“AI Infra再次被DeepSeek加速了。”用户们对此表示赞赏，认为DeepSeek在模型迭代时，推理基础设施也得到了同步优化，展现了跨模型的通用性。尽管近期传出融资消息，DeepSeek似乎仍在坚持开源理念。

文章来源：https://tech.sina.com.cn/roll/2026-06-27/doc-inievzuu3819972.shtml