蚂蚁集团旗下 inclusionAI 于 Hugging Face 发布了 Ling-3.0-flash-dspark，这是一个专为 Ling-3.0-flash 设计的 DSpark 投机解码草稿模型，参数量约 1.36B，采用 BF16 精度。该模型通过 SpecForge 训练，并支持 SGLang 推理框架，旨在加速目标模型的文本生成过程。

投机解码是一种通过小模型快速生成草稿 token，再由大模型并行验证的技术，可显著降低推理延迟。DSpark 在 DFlash 基础上引入了目标模型的辅助特征，并配备了一个置信度头，能够动态决定生成的草稿 token 数量，从而在保证生成质量的同时提升解码效率。

模型规格方面，Ling-3.0-flash-dspark 拥有 5 层全注意力层，隐藏层大小为 2,560，采用多头注意力机制，包含 32 个查询头和 32 个键值头。其最大位置嵌入长度为 262,144，能够处理长上下文。草稿块大小为 8 个 token，验证宽度为 9（包含目标奖励 token）。

在性能评估中，该模型在多个基准测试上展现了平均接受长度（即每次投机验证步骤中平均接受的 token 数，含目标奖励 token）的优异表现：GSM8K 上为 6.40，MATH-500 为 6.29，AIME 2025 为 5.56，HumanEval 为 6.57，MBPP 为 6.34，LiveCodeBench 为 5.33，MT-Bench 为 3.92，Alpaca 为 3.51，Arena-Hard-v2 为 3.72。九个工作负载的平均接受长度为 5.29。

部署方面，用户需使用支持 DSPARK 的 SGLang 版本，并替换模型路径及张量并行大小等参数。这一发布反映了 AI 推理优化领域的持续创新，通过投机解码技术，开发者可以在不牺牲输出质量的前提下，提升模型响应速度，降低计算成本。对于 AI 产业链而言，这类技术有助于缓解算力瓶颈，推动大模型在更多实时应用场景中的落地。