**IT时代网6月30日消息，**6月27日，DeepSeek团队联合北京大学发布名为《DSpark》的研究论文，提出一种用于加速大模型推理的新方法，该话题登上微博科技热搜第11位，热度超5万。

论文指出，现有并行"草稿生成"方式虽然能一次生成更长token，但由于token间关联不足，容易导致被拒绝比例上升，并浪费验证算力。为此，DSpark引入半自回归结构，在并行生成骨干上加入轻量级顺序模块，以增强token之间的依赖关系，提高草稿质量。

同时，DSpark提出"基于置信度的动态验证机制"，根据不同请求的成功概率与系统负载，自适应调整验证长度，从而减少无效计算开销。在离线测试中，该方法显著提升了可接受生成长度；在DeepSeek-V4线上系统中，相比基线模型，推理速度提升约60%至85%，并有效降低高并发下的吞吐损耗。

值得注意的是，DeepSeek创始人梁文锋亲自位列论文作者名单，在完成500亿元首轮融资后依然躬身入局参与底层技术研发。DSpark已完成真实用户流量的部署验证，全面部署于DeepSeek-V4-Flash与V4-Pro线上服务，替代了此前的MTP-1生产基线。

随DSpark一同开源的DeepSpec，是一个用于训练和评估推测解码草稿模型的全栈代码库，支持MIT许可。该框架已成功适配阿里Qwen3及Gemma4等主流开源基座，大幅降低了中小企业与ToB服务商的大模型私有化部署门槛。