近日，人工智能领域迎来两项重要技术突破：DeepSeek正式开源推测解码框架DSpark与训练框架DeepSpec，并同步发布基于这两项技术优化的DeepSeek-V4-Pro-DSpark和DeepSeek-V4-Flash-DSpark两款模型。其中DSpark框架由北京大学团队参与联合研发，相关技术论文已对外公开。
DSpark框架的核心创新在于其半自回归架构设计。该架构通过将并行主干网络与轻量化串行模块相结合，在保留并行计算效率优势的同时，建立了块内token的依赖关系。这种设计有效缓解了传统并行解码中常见的末尾内容质量衰减问题。为进一步提升解码稳定性，研发团队引入了动态置信度调度机制，该机制可根据前缀内容的通过概率与系统实时吞吐特征，自动调整校验长度，确保解码过程在速度与质量间取得平衡。
在DeepSeek-V4线上服务系统的部署测试中，DSpark框架展现出显著性能提升。数据显示，在保持系统整体吞吐量不变的前提下，单用户内容生成速度提升幅度达60%至85%。特别值得注意的是，该框架在严格交互时延约束条件下，仍能维持系统吞吐率的稳定性，成功突破了服务系统性能优化的传统边界限制。
同步开源的训练框架DeepSpec则聚焦于降低技术落地门槛。这个全栈代码库整合了数据预处理、模型训练及效果评估的完整工具链，采用MIT开源协议授权。目前该框架已实现对DSpark、DFlash和Eagle3三种推测解码算法的支持。开发者可利用DeepSpec为Qwen3、Gemma等主流模型训练定制化草稿模型，显著简化推测解码技术的实施流程。据开发团队介绍，该框架的模块化设计使其能够快速适配新的模型架构，为AI应用的多样化发展提供技术支撑。
