Am 28. Juni 2026 wurde das offizielle DeepSpec-Repository für DeepSeek aktualisiert und am DSpark-Checkpoint hinzugefügt, was spekulative Dekodierungsunterstützung für DeepSeek-V4-Flash und V4-Pro bietet. Die offizielle Erklärung lautet, dass DSpark kein neues Modell ist, sondern ein Entwurfsmodul für "Advance Guessing" neben dem bestehenden Modell hinzugefügt wurde, um die Wartezeiten bei der Generation zu verkürzen, ohne die Ausgangsverteilung des Hauptmodells zu verändern.
Wie es dasselbe Modell schneller laufen lässt.
Die konventionelle autoregressive Generierung erfordert, dass das Hauptmodell den nächsten Token einzeln vorhersagt, wobei jeder Schritt eine kostspielige Berechnung erfordert. Die spekulative Dekodierung erlaubt zunächst leichtere Entwurfsmodule, Kandidaten in Batchlisten aufzulisten, die dann parallel vom Hauptmodell validiert werden; Korrekte Vermutungen können sofort empfangen werden, und wenn sie falsch sind, korrigiert das Hauptmodell sie. Daher entsteht die Beschleunigung durch serielle Schritte, die das Hauptmodell reduzieren, anstatt die Antwortqualität zu senken oder das Modell auf eine kleinere Größe zu quantifizieren.
DSpark verwendet eine halbautoregressive Generierungsmethode, bei der paralleles Backbone mit leichten sequentiellen Köpfen kombiniert wird. Offizielle Produktionsdaten zeigen, dass bei DeepSeek-V4-Flash die Erzeugungsgeschwindigkeit pro Nutzer um 60 % bis 85 % im Vergleich zum MTP-1-Basiswert steigt; V4-Pro stieg um 57 % auf 78 %. Diese Zahlen sind offizielle Ergebnisse für spezifische Hardware, Chargen und Servicekonfigurationen und können nicht direkt in feste Beschleunigungsverhältnisse für alle Implementierungen übersetzt werden.
Mehr als nur zwei Kontrollpunkte sind offen
DeepSpec ist eine vollständige Trainings- und Evaluierungscodebasis, einschließlich spekulativer Dekodierungslösungen wie DSpark, DFlash und Eagle3, und bietet Datenverarbeitung, Schulung und Evaluierungskomponenten unter der MIT-Lizenz. Die dazugehörigen V4-Flash-DSpark- und V4-Pro-DSpark-Checkpoints sind ebenfalls im offiziellen Hugging Face-Bereich von DeepSeek verfügbar.
Das bedeutet, dass Teams mit groß angelegtem Inferenzbedarf Trainingsmethoden reproduzieren können, anstatt einfach eine verpackte Beschleunigungsdatei herunterzuladen. Die Hürde ist jedoch nicht verschwunden: V4 selbst ist sehr groß, und die Bereitstellung erfordert weiterhin hohen Videospeicher, Mehrkartenkommunikation und Anpassung an das Inferenzframework; Das Entwurfsmodul verbraucht außerdem zusätzlichen VRAM, wobei die endgültigen Vorteile von der Annahmequote des Kandidaten, der Nebenwahl der Anfragen und der Ausgabelänge abhängen.
Welche Auswirkungen hat das auf normale API-Nutzer?
Normale Nutzer müssen keine Prompts ändern und können sich auch nicht ausschließlich auf Open-Source-Checkpoints verlassen, um zu bestätigen, dass die offizielle API DSpark vollständig aktiviert hat. Der wirklich wahrnehmbare Wert sind geringere Anfangsausgabe-Wartezeiten und eine höhere Geschwindigkeit der Generierung pro Nutzer, aber ob sich dies in Preisen und Tariflimits widerspiegelt, hängt weiterhin vom Dienstleister ab. Für benutzerdefinierte Teams wird empfohlen, zunächst deine typischen Anfragen mit Tokens pro Sekunde, P95-Latenz, Speicherverbrauch und Answer-Konsistenz zu vergleichen, bevor du entscheidest, ob du wechseln möchtest.
Offizielle Quelle
Offizielles DeepSpec-Repository von DeepSeek; Offizielle Modellseite DeepSeek-V4-Flash-DSpark.
