
Ling 3.0 Flash DSPark: Drafter 1.36B yang Diam-diam Dirilis untuk Ling 3.0 Flash
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 186 tok/s
- openaiBARUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 per 1 juta token · 87 tok/s
- openaiBARUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 per 1 juta token · 151 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 190 tok/s
- AlibabaBARUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 juta token · 86 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 705 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 per 1 juta token · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 101 tok/s
Ling 3.0 Flash DSPark adalah model draf dengan 1,36 miliar parameter yang diunggah lab inclusionAI milik Ant Group ke Hugging Face pada 9 Agustus tanpa siaran pers, tanpa posting blog, dan tanpa utas peluncuran — sebuah repositori yang, pada saat tulisan ini dibuat, menunjukkan tujuh unduhan dan satu suka. Ini bukan versi baru dari Ling 3.0 Flash, dan ini bukan model yang akan pernah Anda panggil secara langsung. Ini adalah komponen decoding spekulatif: muat di depan Ling 3.0 Flash, dan ia mengusulkan token untuk diverifikasi oleh model besar, sehingga MoE 124B/5.1B dapat mengeluarkan beberapa token per forward pass, bukan satu. Semua hal di bawah ini yang tidak terlihat benar dari repositori itu sendiri diberi label belum terkonfirmasi, karena pihak vendor tidak mengatakan apa pun.
Ant Group mengumumkan Ling 3.0 Flash pada 27 Juli dan membuka sumber bobotnya di bawah lisensi MIT pada 7 Agustus. Repositori DSPark adalah kapal terpisah yang lebih tenang: dibuat pada 9 Agustus, hanya dijelaskan dalam kartu model yang mengidentifikasi checkpoint sebagai "a DSpark speculator for Ling3," dan diperbarui lagi pada 21 Agustus dengan pembaruan config.json. Tidak ada pengumuman, tidak ada halaman dokumentasi, tidak ada posting blog benchmark. Tulisan ini mengumpulkan apa yang sebenarnya dikatakan repositori dan menandai sisanya sebagai pertanyaan terbuka.
Apa yang dimaksud dengan "spekulan DSpark", tanpa jargon.
Decoding spekulatif menjalankan model kecil dan murah di depan model yang sebenarnya. Model kecil (drafter) menebak beberapa token berikutnya; model besar (target) memeriksa seluruh batch dalam satu forward pass dan menyimpan tebakan yang disetujui. Jika drafter benar, satu forward pass target menghasilkan beberapa token, sehingga throughput meningkat tanpa menyentuh bobot target.
DSpark adalah versi dari gagasan tersebut dari para peneliti DeepSeek — diperkenalkan pada Juli 2026 dan sudah diterapkan di dalam DeepSeek-V4 — dan ini adalah algoritma yang SGLang sebut DSPARK. Dua hal membedakannya dari drafter biasa. Ia memperluas DFlash (pendekatan draf paralel) dengan fitur-fitur tambahan yang diambil dari model target itu sendiri, sehingga drafter mendapatkan informasi tentang apa yang sedang dilakukan model besar. Dan ia membawa confidence head yang memberi skor pada setiap token yang diusulkan dan menghentikan blok lebih awal ketika suatu sufiks tampaknya tidak mungkin bertahan dalam verifikasi — sehingga ia tidak menghabiskan proses verifikasi pada token-token yang akan segera dibuang.

Checkpoint Ling-3.0-flash-dspark mengimplementasikan persis itu: sebuah spekulator yang dilatih dengan SpecForge, berukuran untuk mengusulkan blok delapan token draf, dengan lebar verifikasi sembilan token setelah token bonus target dihitung.
Apa yang dikatakan repositori, tepatnya.
Kartu model ini minim tetapi spesifik. Ling 3.0 Flash DSPark adalah model draf dengan ~1,36 miliar parameter (1.363.707.905 parameter, BF16) yang terdiri atas lima lapisan transformer full-attention pada hidden size 2.560 dan multi-head attention dengan 32 head query serta 32 head key/value. Model ini membaca fitur tambahan dari lima lapisan target — kartu tersebut mencantumkan lapisan 1, 11, 23, 29, dan 35 — dan menggabungkannya dengan confidence head yang dideskripsikan sebagai "vanilla Markov head, rank 256." Position embedding-nya mencapai maksimum 262.144, sama dengan konteks 256K yang dimiliki target.
• Parameter — 1,363,707,905 (~1.36B), BF16, sekitar 2.7 GB bobot.
• Arsitektur — 5 lapisan full-attention, ukuran hidden 2.560, MHA dengan 32 kepala query dan 32 kepala key/value; ditandai qwen3.
• Kait target — fitur tambahan dari lapisan 1, 11, 23, 29, dan 35 Ling 3.0 Flash.
• Confidence head — head Markov biasa, rank 256.
• Blok — 8 token draf; pastikan lebar 9 termasuk token bonus target.
Konteks — 262,144 embedding posisi, sesuai dengan jendela native 256K target.

Baris terakhir itu penting untuk perencanaan deployment: drafter dirancang untuk profil serving konteks panjang yang sama dengan target, sehingga tidak mempersempit konteks yang dapat Anda gunakan untuk berspekulasi.
Angka penerimaan, baca dengan teliti
Kartu tersebut melaporkan satu set angka kinerja: panjang penerimaan rata-rata, yang didefinisikan sebagai "jumlah rata-rata token yang diterima per langkah verifikasi spekulatif, termasuk token bonus target." Di sembilan beban kerja, rata-rata makronya adalah 5,29 — kira-kira lima dari sembilan posisi diterima per langkah verifikasi, yang merupakan angka yang akan mendorong percepatan. Sebaran per beban kerja menunjukkan di mana drafter kuat:
• Kode dan matematika — GSM8K 6.40, MATH-500 6.29, HumanEval 6.57, MBPP 6.34, LiveCodeBench 5.33.
• Penalaran — AIME 2025 5.56.
• Konversasional — MT-Bench 3.92, Alpaca 3.51, Arena-Hard-v2 3.72.
Tiga peringatan melekat pada angka-angka tersebut. Itu adalah panjang penerimaan, bukan percepatan ujung-ke-ujung: kartu tersebut tidak memublikasikan angka token per detik, jadi "5.29 token yang diterima" belum diubah menjadi klaim "x kali lebih cepat" untuk model ini. Angka-angka itu dilaporkan oleh vendor dan belum direproduksi — belum ada seorang pun di luar inclusionAI yang memublikasikan pengukuran. Dan angka-angka itu bergantung pada konteks: panjang penerimaan bervariasi dengan beban kerja, suhu sampling, dan checkpoint target yang tepat, jadi perlakukan kolom kode dan matematika sebagai kasus kuat dan kolom chat sebagai batas bawah yang realistis.
Apa yang dikonfirmasi, dan apa yang tidak
Terkonfirmasi oleh repositori publik: checkpoint tersebut ada dan dapat diunduh; merupakan spekulator DSpark untuk Ling 3.0 Flash; dilatih dengan SpecForge; disajikan melalui algoritma DSPARK milik SGLang; dan dibuat pada 9 Agustus serta diperbarui paling baru pada 21 Agustus.
Belum dikonfirmasi, dan perlu presisi: lisensinya. Frontmatter kartu tersebut terbaca license: other, tanpa teks lisensi yang dilampirkan — jadi tidak seperti bobot Ling 3.0 Flash yang berlisensi MIT, ketentuan spekulator DSPark saat ini tidak dinyatakan. Juga belum dikonfirmasi: bahwa panjang penerimaan tereproduksi di perangkat keras lain, apa implikasinya terhadap token per detik end-to-end, apakah ada penyedia inferensi yang melayani drafter (tidak ada yang menunjukkan demikian), dan apakah akan ada pengumuman resmi. Tidak satu pun dari ini adalah tuduhan; rilisnya baru berusia di bawah dua minggu. Itulah perbedaan antara komponen yang menjanjikan dan komponen yang terverifikasi.
Menjalankannya
Dalam praktiknya, Anda memerlukan build SGLang dengan dukungan DSPARK — algoritme tersebut hadir di SGLang v0.5.16 pada bulan Juli, seiring integrasi DSpark yang digerakkan oleh DeepSeek-V4. Luncurkan server terhadap model target dan beri nama drafter-nya:
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>
Perintah tersebut berasal dari model card itu sendiri; ukuran blok dibaca dari konfigurasi drafter. Belum ada jalur llama.cpp — arsitektur hybrid KDA + MLA membutuhkan fork kustom bahkan untuk model utama, jadi untuk saat ini speculator hanya didukung oleh SGLang.

Apakah layak untuk berlari
Ling 3.0 Flash DSPark hanya berfungsi jika Anda yang menjalankan Ling 3.0 Flash sendiri. Ini adalah komponen lokal: sekitar 2,7 GB bobot BF16 tambahan di samping target 124B, build SGLang yang mendukung algoritma tersebut, dan perangkat keras dengan memori yang memadai. Hasilnya adalah panjang penerimaan yang lebih tinggi daripada drafter kecil pada umumnya, sebagai ganti memori dan bagian-bagian yang bergerak. Bagi tim yang sudah mengoperasikan target pada GPU mereka sendiri dengan beban interaktif yang terikat latensi, drafter adalah hal yang murah untuk diukur — dua flag, greedy decoding, dan melihat delta token per detik. Bagi siapa pun yang memanggil Ling 3.0 Flash melalui API yang di-hosting, hal ini tidak relevan: Anda tidak dapat memasang drafter lokal ke tumpukan penyajian milik orang lain.
Kesenjangan kejujuran model card adalah hal utama yang perlu diperhitungkan. Rata-rata penerimaan 5,29 adalah angka yang kuat — speculator DSpark milik DeepSeek-V4 melaporkan panjang penerimaan dalam rentang 3,2–3,6 menurut tulisan LMSYS, dan drafter LFM2.5-2.6B milik Liquid AI rata-rata mencapai 4,83 — tetapi panjang penerimaan bukanlah percepatan, dan sampai seseorang memublikasikan throughput ujung-ke-ujung pada pasangan yang persis ini, besarnya keuntungan hanyalah perkiraan.
Dan di sinilah campuran antara self-host dan hosted menjadi keputusan yang sesungguhnya. Sebuah drafter adalah satu komponen self-host tambahan di depan model yang juga tersedia sebagai API — dan menjaga kedua opsi tersebut tetap sebanding adalah persis tugas yang dilakukan oleh lapisan routing. Satu API di lebih dari 200 model, failover otomatis saat penyedia mengalami penurunan kinerja, dan harga daftar penyedia yang diteruskan dengan markup 0% memungkinkan Anda menjalankan server Ling-3.0-flash Anda sendiri untuk jalur yang kritis terhadap latensi sambil merutekan sisa lalu lintas ke endpoint yang di-host, serta beralih melalui konfigurasi alih-alih melalui penulisan ulang. Drafter DSPark tidak mengubah di mana Ling 3.0 Flash berjalan; ia mengubah seberapa cepat ia berjalan ketika berada di perangkat keras Anda.
Pertanyaan terbuka yang perlu diperhatikan
Perhatikan empat hal. Pengumuman resmi atau posting blog akan mengisi konteks yang hilang seputar perilisan. Angka token per detik yang dipublikasikan — dari inclusionAI atau siapa pun — akan mengubah angka penerimaan 5.29 menjadi percepatan yang nyata. Perubahan lisensi dari 'other' ke lisensi bernama akan menghilangkan penghalang terbesar untuk penggunaan produksi. Dan penyedia yang mulai melayani Ling 3.0 Flash dengan spekulasi diaktifkan akan mengubah perhitungan bagi orang-orang yang tidak melakukan self-host sama sekali.
Sampai saat itu, Ling 3.0 Flash DSPark adalah apa yang dikatakan repositorinya: sebuah spekulator DSpark 1.36B yang nyata, dapat diunduh, untuk Ling 3.0 Flash, dirilis tanpa gembar-gembor, dengan angka penerimaan yang kuat namun belum terverifikasi dan tanpa percepatan yang dipublikasikan. Itu adalah dasar yang layak untuk sebuah eksperimen — dan deskripsi jujur tentang komponen yang belum diukur secara independen oleh siapa pun.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
