Una tarjeta de título principal para Ling 3.0 Flash DSPark con el subtítulo 'El borrador de 1.36B que se lanzó silenciosamente para Ling 3.0 Flash', que muestra una pequeña tarjeta de borrador etiquetada como 'Drafter 1.36B' pasando una fila de chips de token a una tarjeta grande etiquetada como 'Ling 3.0 Flash 124B' con una marca de verificación sobre los chips aceptados y una flecha de avance rápido entre las dos tarjetas, y el logotipo de OrcaRouter en la esquina inferior derecha.
Engineering & Research

Ling 3.0 Flash DSPark: el redactor de 1.36B que se lanzó silenciosamente para Ling 3.0 Flash

Autor

Elias Hawthorne

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Ling 3.0 Flash DSPark es un modelo borrador de 1.360 millones de parámetros que el laboratorio inclusionAI de Ant Group subió a Hugging Face el 9 de agosto sin comunicado de prensa, sin entrada de blog y sin hilo de lanzamiento: un repositorio que, al momento de escribir esto, muestra siete descargas y un «me gusta». No es una nueva versión de Ling 3.0 Flash ni es un modelo que vayas a invocar directamente. Es un componente de decodificación especulativa: cárgalo delante de Ling 3.0 Flash y propone tokens para que el modelo grande los verifique, lo que permite que el MoE de 124B/5.1B emita varios tokens por pasada hacia adelante en lugar de uno solo. Todo lo que aparece a continuación que no sea visiblemente cierto a partir del propio repositorio está etiquetado como no confirmado, porque el proveedor no ha dicho nada.

Ant Group anunció Ling 3.0 Flash el 27 de julio y publicó sus pesos bajo licencia MIT el 7 de agosto. El repositorio DSPark es un barco separado y más silencioso: creado el 9 de agosto, descrito únicamente en una tarjeta de modelo que identifica el checkpoint como "a DSpark speculator for Ling3", y modificado nuevamente el 21 de agosto con una actualización de config.json. Sin anuncio, sin página de documentación, sin publicación de blog con benchmarks. Este artículo recopila lo que el repositorio realmente dice y marca el resto como preguntas abiertas.

Qué es un "especulador de DSpark", sin tecnicismos

La decodificación especulativa ejecuta un modelo pequeño y barato por delante del modelo real. El modelo pequeño (el borrador) adivina el próximo puñado de tokens; el modelo grande (el objetivo) comprueba todo el lote en una sola pasada hacia adelante y conserva las predicciones con las que coincide. Cuando el borrador acierta, una pasada hacia adelante del modelo objetivo produce varios tokens, por lo que el rendimiento aumenta sin tocar los pesos del modelo objetivo.

DSpark es una versión de esa idea de los investigadores de DeepSeek — presentada en julio de 2026 y ya desplegada dentro de DeepSeek-V4 — y es el algoritmo que SGLang llama DSPARK. Dos cosas lo distinguen de un simple borrador. Extiende DFlash (un enfoque de borrador paralelo) con características auxiliares extraídas del propio modelo objetivo, de modo que el borrador obtiene información sobre lo que está haciendo el modelo grande. Y lleva una cabeza de confianza que puntúa cada token propuesto y detiene el bloque temprano cuando un sufijo parece poco probable que sobreviva a la verificación — para no gastar una pasada de verificación en tokens que están a punto de ser descartados.

A flow diagram titled 'How DSpark speeds up Ling 3.0 Flash' showing a card labeled 'Drafter 1.36B proposes 8 tokens' with a row of eight token chips flowing into a card labeled 'Target verifies in one pass' with a checkmark over the accepted chips, a note reading 'Confidence head trims low-confidence suffixes', and a footer 'A cheap model proposes, a strong model verifies — output is unchanged', with the OrcaRouter logo in the bottom-right corner.

El checkpoint Ling-3.0-flash-dspark implementa exactamente eso: un especulador entrenado con SpecForge, dimensionado para proponer bloques de ocho tokens de borrador, con un ancho de verificación de nueve tokens una vez que se cuenta el token extra del objetivo.

Lo que dice el repositorio, exactamente.

La tarjeta del modelo es escasa pero específica. Ling 3.0 Flash DSPark es un modelo borrador de ~1.36B parámetros (1,363,707,905 parámetros, BF16) con cinco capas de transformador de atención completa de tamaño oculto 2,560 y atención de múltiples cabezales con 32 cabezales de consulta y 32 cabezales de clave/valor. Lee características auxiliares de cinco capas del objetivo — la tarjeta lista las capas 1, 11, 23, 29 y 35 — y lo combina con una cabeza de confianza descrita como "cabeza Markov vainilla, rango 256". Su incrustación de posición alcanza un máximo de 262,144, el mismo contexto de 256K que maneja el objetivo.

• Parámetros — 1,363,707,905 (~1.36B), BF16, aproximadamente 2.7 GB de pesos.

• Arquitectura — 5 capas de atención completa, tamaño oculto 2,560, MHA con 32 cabezas de consulta y 32 cabezas de clave/valor; etiquetado qwen3.

• Ganchos objetivo — características auxiliares de las capas 1, 11, 23, 29 y 35 de Ling 3.0 Flash.

• Cabeza de confianza — una cabeza de Markov vanilla, rango 256.

Bloque — 8 tokens de draft; verificar ancho 9 incluyendo el token de bonificación objetivo.

• Contexto — 262,144 incrustaciones posicionales, que coinciden con la ventana nativa de 256K del objetivo.

A one-column scoreboard for Ling 3.0 Flash DSPark listing: role DSpark speculator (draft model), draft params 1.36B (1,363,707,905) BF16, block 8 draft tokens (verify width 9), mean acceptance 5.29 of 9 (vendor), context 262,144, license other — not yet stated, with a footer 'All figures vendor-reported; no independent scores yet', and the OrcaRouter logo in the bottom-right corner.

Esa última fila importa para la planificación del despliegue: el redactor está diseñado para el mismo perfil de servicio de contexto largo que el objetivo, por lo que no reduce el contexto sobre el que puedes especular.

Los números de aceptación, léalos con atención.

La tarjeta informa de un único conjunto de cifras de rendimiento: la longitud media de aceptación, definida como «el número medio de tokens aceptados por paso de verificación especulativa, incluido el token de bonificación objetivo». En nueve cargas de trabajo, la media macro es de 5,29 — aproximadamente cinco de las nueve posiciones aceptadas por paso de verificación, que es el número que impulsaría una aceleración. La dispersión por carga de trabajo muestra dónde es más fuerte el redactor:

• Código y matemáticas — GSM8K 6.40, MATH-500 6.29, HumanEval 6.57, MBPP 6.34, LiveCodeBench 5.33.

• Razonamiento — AIME 2025 5.56.

• Conversacional — MT-Bench 3.92, Alpaca 3.51, Arena-Hard-v2 3.72.

Tres salvedades acompañan a esas cifras. Son longitudes de aceptación, no aceleraciones de extremo a extremo: la tarjeta del modelo no publica cifras de tokens por segundo, por lo que "5.29 tokens aceptados" aún no se ha convertido en una afirmación de "x veces más rápido" para este modelo. Son reportadas por el proveedor y no reproducidas; nadie fuera de inclusionAI ha publicado una medición. Y dependen del contexto: la longitud de aceptación varía según la carga de trabajo, la temperatura de muestreo y el checkpoint objetivo exacto, por lo que trate la columna de código y matemáticas como el caso fuerte y la columna de chat como el extremo inferior realista.

Qué está confirmado, y qué no

Confirmado por el repositorio público: el checkpoint existe y se puede descargar; es un especulador DSpark para Ling 3.0 Flash; fue entrenado con SpecForge; se sirve a través del algoritmo DSPARK de SGLang; y fue creado el 9 de agosto y actualizado tan recientemente como el 21 de agosto.

No confirmado, y vale la pena ser precisos al respecto: la licencia. El frontmatter de la tarjeta dice `license: other`, sin texto de licencia adjunto — así que, a diferencia de los pesos de Ling 3.0 Flash con licencia MIT, los términos del especulador de DSPark no están declarados por ahora. Tampoco está confirmado: que las longitudes de aceptación se reproduzcan en otro hardware, qué implican en tokens por segundo de extremo a extremo, si algún proveedor de inferencia ofrece el modelo borrador (nada sugiere que lo haga), y si se acerca un anuncio oficial. Nada de esto son acusaciones; el lanzamiento tiene menos de dos semanas. Son la diferencia entre un componente prometedor y uno verificado.

Ejecutándolo

En la práctica necesitas una compilación de SGLang con soporte para DSPARK: el algoritmo llegó en SGLang v0.5.16 en julio, en torno a la integración de DSpark impulsada por DeepSeek-V4. Inicia el servidor contra el modelo objetivo y nombra el drafter:

sglang serve --trust-remote-code --model-path <LING3_MODEL_PATH> --tp-size <TP_SIZE> --speculative-algorithm DSPARK --speculative-draft-model-path <LING3_DSPARK_MODEL_PATH>

El comando proviene de la propia tarjeta del modelo; el tamaño de bloque se lee desde la configuración del modelo borrador. Aún no existe una ruta en llama.cpp: la arquitectura híbrida KDA + MLA requiere un fork personalizado incluso para el modelo principal, por lo que el especulador es, de momento, una cuestión de SGLang.

A screenshot of the Hugging Face model page for inclusionAI/Ling-3.0-flash-dspark, showing the model card 'Ling3-DSpark — A DSpark speculator for Ling3', the tags (text-generation, transformers, safetensors, qwen3, speculative-decoding, dspark, dflash, specforge, sglang), the draft model specifications (1,363,707,905 params, BF16, hidden size 2,560, 5 full-attention layers, MHA 32 query and 32 key/value heads, target auxiliary feature layers 1/11/23/29/35, confidence head vanilla Markov head rank 256, DSpark block size 8 draft tokens, maximum position embeddings 262,144), the acceptance-length section, license other, model size 1B params, and downloads last month 7 (captured August 22, 2026).

Si vale la pena correr

Ling 3.0 Flash DSPark solo funciona si sirves Ling 3.0 Flash por tu cuenta. Es un componente local: aproximadamente 2.7 GB de pesos BF16 adicionales junto con {{1}}un modelo objetivo de 124B{{/1}}, una compilación de SGLang que soporta el algoritmo, y hardware con memoria de sobra. El beneficio es una longitud de aceptación mayor que la de un modelo borrador pequeño típico, a cambio de la memoria y las partes móviles. Para los equipos que ya operan el modelo objetivo en sus propias GPUs con cargas interactivas limitadas por latencia, el borrador es algo que cuesta poco medir: dos flags, decodificación greedy, un vistazo al delta de tokens por segundo. Para cualquiera que llame a Ling 3.0 Flash a través de una API alojada, es irrelevante: no puedes acoplar un borrador local al stack de servicio de otra persona.

La brecha de honestidad de la tarjeta del modelo es lo principal a considerar. Una aceptación media de 5.29 es una cifra sólida — el especulador DSpark de DeepSeek-V4 reportó longitudes de aceptación en el rango de 3.2–3.6 según el artículo de LMSYS, y el redactor LFM2.5-2.6B de Liquid AI promedió 4.83 — pero la longitud de aceptación no equivale a aceleración, y hasta que alguien publique el throughput de extremo a extremo de este emparejamiento exacto, el tamaño de la ganancia es una estimación.

Y aquí es donde la combinación de autohospedaje y hospedaje se convierte en la decisión real. Un drafter es una pieza autohospedada más delante de un modelo que también está disponible como API — y mantener esas dos opciones comparables es exactamente lo que hace una capa de enrutamiento. Una API para más de 200 modelos, conmutación automática por error cuando un proveedor se degrada, y precios de lista de los proveedores trasladados con un margen del 0% te permiten ejecutar tu propio servidor Ling-3.0-flash para la ruta crítica de latencia mientras enrutas el resto del tráfico hacia endpoints alojados, y cambiar mediante configuración en lugar de mediante reescritura. El drafter de DSPark no cambia dónde se ejecuta Ling 3.0 Flash; cambia la rapidez con la que se ejecuta cuando está en tu hardware.

Las preguntas abiertas a observar

Preste atención a cuatro cosas. Un anuncio oficial o una publicación de blog completaría el contexto que falta en torno al lanzamiento. Una cifra publicada de tokens por segundo —de inclusionAI o de cualquier otro— convertiría el número de aceptación 5.29 en una aceleración real. Un cambio de licencia de 'other' a una licencia con nombre eliminaría el mayor obstáculo para el uso en producción. Y que un proveedor comience a ofrecer Ling 3.0 Flash con la especulación activada cambiaría el cálculo para las personas que no hacen autoalojamiento en absoluto.

Hasta entonces, Ling 3.0 Flash DSPark es lo que su repositorio dice que es: un especulador DSpark real, descargable, de 1.36B para Ling 3.0 Flash, lanzado sin fanfarrias, con cifras de aceptación sólidas pero no verificadas y sin aceleración publicada. Esa es una base viable para un experimento — y una descripción honesta de un componente que nadie ha medido de forma independiente todavía.

Comparados en este artículo1

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario