
Ling 3.0 Flash DSPark : Le drafter de 1,36B discrètement lancé pour Ling 3.0 Flash
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 186 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 par million de tokens · 87 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 par million de tokens · 151 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 190 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 86 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 705 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 par million de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 101 tok/s
Ling 3.0 Flash DSPark est un modèle draft de 1,36 milliard de paramètres que le laboratoire inclusionAI d'Ant Group a mis en ligne sur Hugging Face le 9 août, sans communiqué de presse, sans article de blog et sans fil de lancement — un dépôt qui, au moment où j'écris, affiche sept téléchargements et un like. Il ne s'agit pas d'une nouvelle version de Ling 3.0 Flash, et vous ne l'appellerez jamais directement. C'est un composant de décodage spéculatif : chargez-le devant Ling 3.0 Flash, et il propose des jetons que le grand modèle doit vérifier, permettant au MoE de 124B/5,1B d'émettre plusieurs jetons par passe avant au lieu d'un seul. Tout ce qui suit et qui n'est pas visiblement vrai d'après le dépôt lui-même est étiqueté comme non confirmé, car le fournisseur n'a rien dit.
Ant Group a annoncé Ling 3.0 Flash le 27 juillet et a publié ses poids en open source sous licence MIT le 7 août. Le dépôt DSPark est un navire séparé, plus discret : créé le 9 août, décrit uniquement dans une fiche de modèle qui identifie le point de contrôle comme « un spéculateur DSpark pour Ling3 », puis touché à nouveau le 21 août avec une mise à jour de config.json. Aucune annonce, aucune page de documentation, aucun article de blog sur des benchmarks. Cet article rassemble ce que le dépôt dit réellement et marque le reste comme questions ouvertes.
Ce qu'est un « DSpark speculator », sans le jargon.
Le décodage spéculatif fait tourner un petit modèle bon marché en avance sur le vrai modèle. Le petit modèle (le proposeur) prédit les prochains jetons ; le grand modèle (la cible) vérifie tout le lot en une seule passe avant et garde les prédictions qu'il valide. Quand le proposeur a raison, une passe avant de la cible produit plusieurs jetons, ce qui augmente le débit sans modifier les poids de la cible.
DSpark est une version de cette idée des chercheurs de DeepSeek — introduite en juillet 2026 et déjà déployée dans DeepSeek-V4 — et c'est l'algorithme que SGLang appelle DSPARK. Deux choses le distinguent d'un simple drafter. Il étend DFlash (une approche de draft parallèle) avec des caractéristiques auxiliaires extraites du modèle cible lui-même, afin que le drafter obtienne des informations sur ce que fait le grand modèle. Et il comporte une tête de confiance qui attribue un score à chaque jeton proposé et arrête le bloc tôt lorsqu'un suffixe semble peu susceptible de survivre à la vérification — afin de ne pas consacrer une passe de vérification à des jetons qui vont être jetés.

Le checkpoint Ling-3.0-flash-dspark implémente exactement cela : un spéculateur entraîné avec SpecForge, dimensionné pour proposer des blocs de huit jetons provisoires, avec une largeur de vérification de neuf jetons une fois le jeton bonus de la cible compté.
Ce que dit le dépôt, exactement.
La fiche modèle est succincte mais précise. Ling 3.0 Flash DSPark est un modèle draft d’environ 1,36 milliard de paramètres (1 363 707 905 paramètres, BF16) avec cinq couches de transformeur à attention complète de taille cachée 2 560 et une attention multi-têtes avec 32 têtes de requête et 32 têtes de clé/valeur. Il lit des caractéristiques auxiliaires de cinq couches de la cible — la fiche liste les couches 1, 11, 23, 29 et 35 — et il associe cela à une tête de confiance décrite comme une « tête de Markov vanille, rang 256 ». Son plongement positionnel plafonne à 262 144, soit le même contexte de 256K que porte la cible.
• Paramètres — 1 363 707 905 (~1,36B), BF16, environ 2,7 Go de poids.
• Architecture — 5 couches d’attention complètes, dimension cachée de 2 560, MHA avec 32 têtes de requête et 32 têtes de clé/valeur ; étiqueté qwen3.
• Points d'ancrage cibles — fonctionnalités auxiliaires des couches {{1}}1{{/1}}, {{2}}11{{/2}}, {{3}}23{{/3}}, {{4}}29{{/4}} et {{5}}35{{/5}} de Ling 3.0 Flash.
• Confidence head — une tête Markov vanille, de rang 256.
• Bloc — 8 jetons de draft ; vérifier la largeur 9, y compris le jeton bonus cible.
• Contexte — 262 144 embeddings de position, correspondant à la fenêtre native de 256K de la cible.

Cette dernière ligne compte pour la planification du déploiement : le drafter est conçu pour le même profil de service à contexte long que la cible, il ne réduit donc pas le contexte sur lequel vous pouvez spéculer.
Les numéros d'acceptation, à lire attentivement
La carte rapporte un ensemble de mesures de performance : la longueur d'acceptation moyenne, définie comme « le nombre moyen de jetons acceptés par étape de vérification spéculative, y compris le jeton bonus cible ». Sur neuf charges de travail, la moyenne macro est de 5,29 — environ cinq des neuf positions acceptées par étape de vérification, ce qui est le nombre qui entraînerait une accélération. La répartition par charge de travail montre où le rédacteur est fort :
• Code et mathématiques — GSM8K 6.40, MATH-500 6.29, HumanEval 6.57, MBPP 6.34, LiveCodeBench 5.33.
• Raisonnement — AIME 2025 5.56.
• Conversationnel — MT-Bench 3.92, Alpaca 3.51, Arena-Hard-v2 3.72.
Trois réserves s'attachent à ces chiffres. Ce sont des longueurs d'acceptation, et non des accélérations de bout en bout : la fiche technique ne publie aucune mesure de tokens par seconde, de sorte que « 5,29 tokens acceptés » n'a pas encore été converti en une affirmation de type « x fois plus rapide » pour ce modèle. Elles sont déclarées par le fournisseur et non reproduites — personne en dehors d'inclusionAI n'a publié de mesure. Et elles dépendent du contexte : la longueur d'acceptation varie selon la charge de travail, la température d'échantillonnage et le point de contrôle cible exact, il faut donc considérer la colonne code-et-math comme le cas favorable et la colonne chat comme le bas de l'échelle réaliste.
Ce qui est confirmé, et ce qui ne l'est pas
Confirmé par le dépôt public : le point de contrôle existe et est téléchargeable ; il s'agit d'un spéculateur DSpark pour Ling 3.0 Flash ; il a été entraîné avec SpecForge ; il est servi via l'algorithme DSPARK de SGLang ; et il a été créé le 9 août et mis à jour aussi récemment que le 21 août.
Non confirmé, et il convient d'être précis : la licence. Le frontmatter de la fiche indique license: other, sans texte de licence joint — donc, contrairement aux poids de Ling 3.0 Flash sous licence MIT, les conditions du speculator DSPark ne sont actuellement pas précisées. Également non confirmé : que les longueurs d'acceptation se reproduisent sur d'autres matériels, ce qu'elles représentent en tokens par seconde de bout en bout, qu'un fournisseur d'inférence propose le drafter (rien ne suggère que ce soit le cas), et qu'une annonce officielle soit à venir. Rien de tout cela n'est une accusation ; la sortie date de moins de deux semaines. C'est la différence entre un composant prometteur et un composant vérifié.
En train de l'exécuter.
En pratique, vous avez besoin d'une version de SGLang avec le support DSPARK — l'algorithme a fait son apparition dans SGLang v0.5.16 en juillet, autour de l'intégration DSpark pilotée par DeepSeek-V4. Lancez le serveur avec le modèle cible et nommez le 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>
La commande provient de la fiche du modèle elle-même ; la taille du bloc est lue depuis la configuration du drafteur. Il n'existe pas encore de chemin llama.cpp — l'architecture hybride KDA + MLA nécessite un fork personnalisé même pour le modèle principal, donc le spéculateur relève pour l'instant de SGLang.

Si cela vaut la peine de courir
Ling 3.0 Flash DSPark ne fonctionne que si vous servez Ling 3.0 Flash vous-même. C’est un composant local : environ 2,7 Go de poids BF16 supplémentaires en plus d’une cible de 124B, une build SGLang qui prend en charge l’algorithme, et du matériel avec la mémoire disponible. Le gain est une longueur d’acceptation plus élevée que celle d’un petit drafter classique, en échange de la mémoire et des pièces mobiles. Pour les équipes qui exploitent déjà la cible sur leurs propres GPU avec des charges interactives sensibles à la latence, le drafter est une chose bon marché à mesurer — deux flags, un décodage glouton, un coup d’œil au delta de tokens par seconde. Pour quiconque appelle Ling 3.0 Flash via une API hébergée, c’est sans objet : vous ne pouvez pas attacher un drafter local à la pile de service de quelqu’un d’autre.
Le fossé d'honnêteté des fiches techniques est le principal élément à anticiper dans le budget. Un taux d'acceptation moyen de 5,29 est un chiffre solide — le spéculateur DSpark de DeepSeek-V4 a rapporté des longueurs d'acceptation dans la plage de 3,2 à 3,6 selon le rapport LMSYS, et le drafter LFM2.5-2.6B de Liquid AI a atteint en moyenne 4,83 — mais la longueur d'acceptation n'est pas l'accélération, et tant que quelqu'un n'aura pas publié un débit de bout en bout sur cet appariement exact, l'ampleur du gain reste une estimation.
Et c'est là que le mélange auto-hébergé/hébergé devient la vraie décision. Un drafter est un composant auto-hébergé de plus placé devant un modèle également disponible via une API — et maintenir ces deux options comparables est précisément le rôle d'une couche de routage. Une API unique couvrant plus de 200 modèles, une bascule automatique en cas de dégradation d'un fournisseur, et les prix catalogue des fournisseurs retransmis sans aucune majoration vous permettent de faire tourner votre propre serveur Ling-3.0-flash pour le chemin critique en latence tout en routant le reste du trafic vers des points de terminaison hébergés, et de basculer par configuration plutôt que par réécriture. Le drafter DSPark ne change pas l'endroit où Ling 3.0 Flash s'exécute ; il change la vitesse à laquelle il s'exécute lorsqu'il est sur votre matériel.
Les questions ouvertes à surveiller
Surveillez quatre choses. Une annonce officielle ou un article de blog comblerait le contexte manquant autour de la sortie. Un chiffre publié de tokens par seconde — de la part d'inclusionAI ou de quiconque — transformerait le nombre d'acceptation de 5.29 en une accélération réelle. Un changement de licence, passant d'une licence autre à une licence nommée, lèverait le plus grand obstacle à une utilisation en production. Et un fournisseur qui commencerait à servir Ling 3.0 Flash avec la spéculation activée changerait la donne pour les personnes qui n'hébergent pas du tout elles-mêmes.
En attendant, Ling 3.0 Flash DSPark est ce que son dépôt dit qu'il est : un véritable spéculateur DSpark de 1,36B, téléchargeable, pour Ling 3.0 Flash, publié sans fanfare, avec des chiffres d'acceptation solides mais non vérifiés et aucune accélération publiée. C'est une base de travail exploitable pour une expérience — et une description honnête d'un composant que personne n'a encore mesuré de manière indépendante.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
