6 月 27 日，DeepSeek V4 迎来重要更新，正式推出投机解码框架 DSpark，并同步开源了支撑该技术的全栈代码库 DeepSpec。
此次更新并非对模型基础架构的重塑，而是一次专注于“工程落地”的提速优化。DSpark 模块已直接应用于 DeepSeek-V4（Flash 和 Pro）的线上服务中，旨在解决高并发场景下大模型推理速度慢、延迟高的问题。
通俗来说，DSpark 采用了一种“草稿 + 验证”的高效机制：先由一个轻量级的“草稿模型”快速预判并生成一批候选内容，再由主模型进行批量核对。这种方式将传统的“逐个生成”转变为“并行校验”，从而大幅缩短了等待时间。
在此基础上，DSpark 还引入了“半自回归生成”创新技术。它在保持高并行速度的同时，加入轻量级串行模块来理解内容间的逻辑依赖，有效解决了以往并行生成中容易出现的准确率下降问题。
随同发布的 DeepSpec 开源代码库，则为开发者提供了一整套用于训练和评估此类加速模型的基础设施，涵盖了从数据处理、模型实现到训练评估的全流程工具。