---
title: "DeepSeek abre código do DSpark, que acelera a inferência dos modelos V4 em até 85%"
url: https://dailyjournal.news/news/2026-06-29/deepseek-abre-codigo-do-dspark-que-acelera-a-inferencia-dos-modelos-v4-em-ate-85
published: 2026-06-29T12:00:00+00:00
categories: ["technology"]
source_count: 3
outlet_count: 0
language: pt-BR
publisher: "Daily Journal"
---

# DeepSeek abre código do DSpark, que acelera a inferência dos modelos V4 em até 85%

Framework de decodificação especulativa reduz gargalos e dependência de chips em meio às restrições dos EUA; ganha 60-85% no V4 Flash.

## Pontos principais

- A DeepSeek lançou o DSpark, framework de decodificação especulativa para seus modelos de ponta V4, com ganho de velocidade por usuário de até 85%.
- O DSpark usa um modelo-rascunho leve para propor tokens que um modelo maior verifica em lotes, com método semi-autorregressivo e escalonamento por confiança.
- O ganho eleva a velocidade de geração em 60-85% no V4 Flash e 57-78% no V4 Pro, ante a base anterior MTP-1.
- A empresa abriu o código completo do DeepSpec, com três algoritmos (DSpark, DFlash, Eagle3) e pipelines que abrangem Qwen3 e Gemma.
- Os checkpoints se acoplam aos modelos V4 existentes: V4-Pro (1,6 trilhão de parâmetros, 49 bi ativados) e V4-Flash (284 bi, 13 bi ativados), ambos com contexto de 1 milhão de tokens.
- O ganho reduz a dependência de infraestrutura de chips maior, em meio às restrições dos EUA a chips de IA.

A DeepSeek lançou o DSpark, um framework de decodificação especulativa para seus modelos de ponta V4 que, segundo a empresa, aumenta a velocidade de resposta por usuário em até 85%. A técnica usa um modelo-rascunho leve para propor tokens candidatos que um modelo maior verifica em lotes, soma um método semi-autorregressivo que gera pequenos blocos de tokens de uma vez e um sistema de escalonamento baseado em confiança, que ajusta o nível de verificação conforme a demanda de computação.

A empresa abriu o código completo do DeepSpec, com três algoritmos de modelo-rascunho (DSpark, DFlash, Eagle3), além de pipelines de preparação de dados, treinamento e avaliação que também abrangem as famílias Qwen3 e Gemma. Os números: o DSpark eleva a velocidade de geração em 60% a 85% no V4 Flash e em 57% a 78% no V4 Pro, ante a base anterior MTP-1, e melhora o comprimento médio de aceitação de 26,7% a 30,9% sobre o Eagle3 em modelos Qwen3 nas escalas de 4B, 8B e 14B.

Os checkpoints do DSpark se acoplam aos modelos de prévia já existentes — V4-Pro (1,6 trilhão de parâmetros, 49 bilhões ativados) e V4-Flash (284 bilhões, 13 bilhões ativados), ambos com contexto de 1 milhão de tokens — em vez de constituírem um novo modelo base. O ganho de eficiência reduz gargalos de inferência e a dependência de infraestrutura de chips maior, em meio às restrições dos EUA a chips de IA.

## Fontes

- [IA mais rápida, custos menores: DSpark alivia gargalos de inferência e pressão sobre chips, diz a DeepSeek](https://www.scmp.com/tech/big-tech/article/3358647/faster-ai-lower-costs-dspark-eases-inference-bottlenecks-and-chip-strain-says-deepseek) (2026-06-29)
- [deepseek-ai/DeepSeek-V4-Flash-DSpark](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-DSpark) (2026-06-29)
- [DeepSeek abre o código do DeepSpec, pilha de decodificação especulativa](https://aiweekly.co/alerts/deepseek-open-sources-deepspec-speculative-decoding-stack) (2026-06-29)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-06-29/deepseek-abre-codigo-do-dspark-que-acelera-a-inferencia-dos-modelos-v4-em-ate-85