深度求索宣布开源DSpark模型推理速度提升高达85%

6月27日，DeepSeek联合北京大学开源了一个叫DSpark的推理加速框架。

没刷屏。大部分人的注意力还在GPT-5.6和Claude Tag上。

但如果你在做AI应用——不只是在用聊天框——DSpark可能是本周跟你关系最大的发布。

它做了什么：让大模型不再「一字一蹦」

大模型生成文字的时候，默认是「一字一蹦」的——每生成一个字都要跑一遍完整的模型计算。对。一个字跑一遍。

你让模型写一段100字的回复，它跑100次完整计算。每次计算用到的GPU算力，跟只跑1个字是一样的。

这就是为什么大模型又慢又贵：它在做大量「无效计算」。就像你从北京开车到上海，每开一公里就停下来重新出发——不是车慢，是方式笨。

DSpark换了个思路。它用一个小模型先快速草稿一整套文字，然后交给大模型一次性校验：对的保留，错的重写。

这个思路不新——推测解码（Speculative Decoding）学术界研究了好几年。DSpark的创新在两点：

草稿质量更高：传统的推测解码，小模型草稿经常打偏，大模型校验完发现大半要重写——白忙一场。DSpark在一个并行主干网上加了轻量级顺序模块，让草稿的上下文更连贯。草稿打准了，大模型校验的工作量就少了。

动态调度：DSpark会实时评估每个候选词的「靠谱度」。靠谱的直接过，不靠谱的才让大模型接手。不是一刀切。

结果：生成速度提升60%-85%。同等硬件下吞吐量最高翻四倍。

跟你有什么关系：三类人能直接受益

第一类：做AI聊天产品的

如果你的产品背后接了大模型API（ChatGPT、DeepSeek、豆包等），用户发一条消息等3-5秒才回复——这个体验差了一口。DSpark把响应降到1-2秒，用户不焦虑了。而且你不需要换硬件、不需要买更多GPU。

对中小团队来说，这不只是「快一点」，是「能不能留住用户」的差别。

第二类：跑批量任务的

比如用AI批量生成SEO文章、批量翻译、批量写代码。以前跑100条要10分钟。现在可能5-6分钟。时间就是算力，算力就是钱。

第三类：自己在服务器上跑开源模型的

如果你在用llama.cpp或vLLM部署开源模型，DSpark的技术思路可以整合进你的推理管线。它是开源框架，代码在GitHub上。

⚠️DSpark技术参数来自开源仓库文档和官方公告，非一手实测。

一个容易被忽略的信号

DSpark这件事，比DSpark本身更值得注意的，是开源方的选择。

DeepSeek这次没有发布新模型。它发布了一个让「所有模型」都能更快运行的框架。

这个动作透露出一个趋势：模型之间的能力差在缩小。但模型「怎么用」的成本差在拉开。

以后重要的不是你有哪个模型。是你用那个模型花了多少钱。

这对于做AI应用的创业者来说是一个好消息——模型的算力成本在降低，你的利润率在提升。

一个提醒

DSpark虽然开源了，但它不是「装上去就能用」的插件。它需要整合进你的推理管线——这意味着你需要有后端工程师或者至少自己会折腾部署。

如果你只是用ChatGPT网页版聊天，DSpark跟你没关系。

但如果你在做一个把AI能力嵌入产品的应用——不管是聊天、写作、翻译还是代码生成——你可以开始关注推理加速这个方向了。它是未来12个月里最确定的一个「降本」路径。