DeepSeek ปล่อย DSpark — Speculative Decoding ที่เร่ง DeepSeek-V4 เร็วขึ้น 60–85% ต่อผู้ใช้ พร้อมเปิดโค้ด DeepSpec ใต้ MIT

เมื่อ 27 มิถุนายน 2026 DeepSeek ปล่อย DSpark — เฟรมเวิร์ก speculative decoding ที่ไม่ใช่โมเดลใหม่ แต่เป็น เลเยอร์เร่งความเร็ว inference ที่นำเวต DeepSeek-V4 ที่มีอยู่มาจับคู่กับโมดูล draft เพื่อสร้างโทเคนหลายตัวพร้อมกันแล้วค่อยตรวจ ทำให้ความเร็วการสร้างข้อความ ต่อผู้ใช้ เพิ่มขึ้นอย่างมีนัยสำคัญโดยไม่ต้องเทรนโมเดลใหม่

ตัวเลขที่ DeepSeek รายงานจาก production จริง: เร็วขึ้น 60–85% บน V4-Flash และ 57–78% บน V4-Pro เทียบกับ baseline MTP-1 (multi-token prediction แบบเดิม) — และที่สำคัญสำหรับชุมชน คือ DeepSeek เปิดโค้ดส่วนเทรน/ประเมินในชื่อ DeepSpec ใต้ไลเซนส์ MIT ให้คนอื่นเอาเทคนิคนี้ไปใช้กับโมเดลตัวเองได้

DSpark ทำงานอย่างไร

DSpark วางอยู่บนสองกลไกหลัก:

• Semi-autoregressive generation — ใช้ backbone แบบขนาน (DFlash) สร้าง base logits สำหรับทุกตำแหน่งพร้อมกัน จากนั้น head แบบลำดับตัวเบาจะปรับค่าตามบริบทก่อนหน้าก่อนสุ่มแต่ละโทเคน รุ่นดีฟอลต์เป็นแบบ Markov ที่อ้างอิงแค่โทเคนก่อนหน้าตัวเดียว เพื่อให้ต้นทุนคำนวณต่ำที่สุด
• Confidence-scheduled verification — มี confidence head คอยให้คะแนนว่าโทเคนที่ draft มาแต่ละตัวมีโอกาส “รอด” แค่ไหน แล้วใช้ hardware-aware scheduler ปรับความยาวที่จะตรวจตามภาระ GPU: ตอน GPU ว่างก็ตรวจหลายโทเคนพร้อมกัน ตอนคนใช้แน่นก็ตรวจน้อยลง เพื่อกัน GPU stall

ผลคือ DSpark ยอมรับโทเคนที่เดามาได้ยาวขึ้น — เทียบกับ Eagle3 ความยาวที่ยอมรับ (accepted length) เพิ่มราว 26.7–30.9% ในสามขนาดของ Qwen3 และเทียบกับ DFlash เพิ่มราว 16.3–18.4% ยิ่งยอมรับได้ยาว ก็ยิ่งสร้างหลายโทเคนต่อรอบการตรวจหนึ่งครั้ง = เร็วขึ้น

เปิดโค้ดให้เอาไปใช้ต่อ ไม่ใช่แค่เร่งของตัวเอง

จุดที่ทำให้ DSpark เป็นข่าวสายนักพัฒนาไม่ใช่ตัวเลขความเร็วเพียว ๆ แต่คือ DeepSeek ปล่อย DeepSpec — โค้ดเบสใต้ MIT สำหรับเทรนและประเมิน drafter ของ speculative decoding — ออกมาพร้อมเช็กพอยต์ DSpark ปัจจุบัน DSpark ทำงานจริงอยู่แล้วใน DeepSeek-V4-Flash และ V4-Pro ที่ให้บริการ production หมายความว่าผู้ใช้ API ได้ความเร็วนี้เลยโดยไม่ต้องทำอะไร ส่วนทีมที่ self-host หรือทำโมเดลเองก็หยิบ DeepSpec ไปต่อยอดได้

มุมมอง AI Curator

DSpark เป็นตัวอย่างที่ดีของแนวโน้มที่นักพัฒนาควรจับตา: การแข่งขันกำลังขยับจาก “โมเดลฉลาดกว่า” ไปสู่ “เสิร์ฟโมเดลเดิมให้ถูกและเร็วกว่า” ในยุคที่ช่องว่างคุณภาพระหว่างโมเดลแคบลง ต้นทุนต่อโทเคนและ latency กลายเป็นสนามรบจริง — และ speculative decoding คือหนึ่งในคันโยกที่ได้ผลแรงที่สุดโดยไม่ต้องแตะคุณภาพเอาต์พุต การที่ DeepSeek เลือกเปิด DeepSpec ใต้ MIT ยังตอกย้ำสไตล์ของบริษัทที่ผลักเทคนิคระดับ infra ออกสู่สาธารณะ ซึ่งกดดันให้แล็บปิดต้องอธิบายว่าทำไมเทคนิคแบบเดียวกันถึงต้องอยู่หลังกำแพง

สำหรับทีมไทย/SEA ที่ self-host โมเดลโอเพนเวตเพื่อคุมต้นทุน นี่คือของที่จับต้องได้ — งาน inference ที่เคยกินทรัพยากรหนัก ถ้าเร่งได้ 60–80% ต่อผู้ใช้ ก็แปลว่ารองรับผู้ใช้พร้อมกันได้มากขึ้นบน GPU ชุดเดิม หรือลดจำนวนการ์ดที่ต้องเช่าลงโดยตรง โดยเฉพาะแอป chat/agent ที่ผู้ใช้ไวต่อความหน่วง การได้ token แรก ๆ เร็วขึ้นแปลผลเป็นประสบการณ์ที่ดีขึ้นทันที ข้อควรระวังคือ DSpark ถูกปั้นมากับสถาปัตยกรรม DeepSeek-V4 โดยเฉพาะ การพอร์ตเทคนิคจาก DeepSpec ไปใช้กับโมเดลตระกูลอื่นยังต้องลงแรงปรับและวัดผลเอง ไม่ใช่สวิตช์เปิดปิดสำเร็จรูป

แหล่งข่าว:

• DeepSeek Releases DSpark: Speculative Decoding Accelerates DeepSeek-V4 60–85% Over MTP-1 — MarkTechPost
• DeepSeek unveils DSpark for 60% to 85% faster inference — Crypto Briefing
• DeepSeek Releases DSpark: Speculative Decoding Makes V4 Up to 85% Faster — Tech Times