當行業焦點仍停留在大模型智能水平的比拼時，DeepSeek選擇將技術突破方向轉向更務實的領域——提升大模型推理效率。這家人工智能企業聯合北京大學團隊，在GitHub平臺發布了一項名為DSpark的推理加速框架研究成果，試圖破解高并發場景下大模型的服務性能瓶頸。
研究團隊在論文中詳細剖析了現有技術方案的局限性。傳統自回歸模型在生成文本時，每個新詞元的產生都需要基于全部歷史詞元進行完整的前向計算，這種串行處理模式導致輸出長度與等待時間呈線性增長關系。在實時對話、多輪智能體等對延遲敏感的場景中，這種特性直接造成GPU資源利用率低下和用戶體驗下降的雙重困境。
當前主流解決方案分為兩條技術路線：自回歸草稿模型（如Eagle3）和并行草稿模型（如DFlash）。前者受限于生成質量瓶頸，后者則存在系統效率不足的問題，且兩類方案均缺乏根據實際負載動態調整的校驗機制。這種技術現狀促使研究團隊開發出全新的DSpark框架。
DSpark采用半自回歸架構設計，在保持并行主干高吞吐優勢的同時，通過引入輕量級串行模塊實現前綴依賴信息的精準注入。該模塊提供兩種實現路徑：基于馬爾可夫鏈的詞元級依賴模型，以及通過循環狀態累積完整歷史信息的RNN架構。這種混合設計既避免了純并行方案的生成質量損失，又克服了全串行架構的效率缺陷。
實驗數據顯示，采用兩層Transformer結構的DSpark模型，在所有測試領域均展現出超越五層DFlash模型的接受長度表現。在真實場景部署中，該框架在DeepSeek-V4在線服務系統上取得顯著成效：與現有生產環境基準系統MTP-1相比，在保持相同吞吐量的條件下，用戶端文本生成速度提升幅度達到60%至85%。
技術驗證不僅限于自有模型。研究團隊將DSpark框架移植到阿里云通義千問Qwen3系列模型（4B/8B/14B版本）進行測試，結果顯示：相較于自回歸草稿模型，平均單輪可接受詞元長度分別提升30.9%、26.7%和30%；相較于并行草稿模型，提升幅度達16.3%、18.4%和18.3%。這些數據驗證了該框架在不同規模模型上的普適性優勢。
值得關注的是，DeepSeek創始人梁文鋒直接參與了這項研究工作，其技術團隊選擇將DSpark模型權重和訓練代碼倉庫DeepSpec完全開源。這種開放態度為行業提供了新的技術參考路徑，特別是在需要平衡生成質量與推理效率的商業應用場景中，DSpark框架展現出獨特的實用價值。
