การ์ดหัวเรื่องหลักสำหรับ Ling 3.0 Flash DSPark พร้อมคำบรรยายใต้ชื่อเรื่องว่า 'ดราฟเตอร์ 1.36B ที่ถูกปล่อยตัวอย่างเงียบๆ สำหรับ Ling 3.0 Flash' แสดงการ์ดดราฟเตอร์ขนาดเล็กที่ติดป้าย 'Drafter 1.36B' กำลังส่งแถวชิปโทเคนไปยังการ์ดขนาดใหญ่ที่ติดป้าย 'Ling 3.0 Flash 124B' โดยมีเครื่องหมายถูกบนชิปที่ถูกยอมรับและลูกศรกรอไปข้างหน้าระหว่างการ์ดทั้งสอง และมีโลโก้ OrcaRouter อยู่ที่มุมขวาล่าง
Engineering & Research

Ling 3.0 Flash DSPark: ดราฟเตอร์ 1.36B ที่เปิดตัวอย่างเงียบ ๆ สำหรับ Ling 3.0 Flash

ผู้เขียน

Elias Hawthorne

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Ling 3.0 Flash DSPark เป็นโมเดลร่าง (draft model) ขนาด 1.36 พันล้านพารามิเตอร์ ที่ทางห้องแล็บ inclusionAI ของ Ant Group อัปโหลดขึ้น Hugging Face เมื่อวันที่ 9 สิงหาคม โดยไม่มีการแถลงข่าว ไม่มีโพสต์บล็อก และไม่มีเธรดประกาศเปิดตัว — รีพอสิทอรีที่ ณ เวลาที่เขียนบทความนี้มียอดดาวน์โหลด 7 ครั้ง และไลก์ 1 ครั้ง มันไม่ใช่เวอร์ชันใหม่ของ Ling 3.0 Flash และไม่ใช่โมเดลที่คุณจะเรียกใช้โดยตรง มันคือคอมโพเนนต์แบบ speculative decoding: โหลดไว้ข้างหน้า Ling 3.0 Flash แล้วมันจะเสนอโทเคนให้โมเดลใหญ่ตรวจสอบ ทำให้ MoE ขนาด 124B/5.1B ปล่อยโทเคนหลายตัวต่อฟอร์เวิร์ดพาสหนึ่งครั้งแทนที่จะเป็นตัวเดียว ทุกอย่างที่ไม่ได้ปรากฏจริงในรีพอสิทอรีเองถูกติดป้ายว่าไม่ได้รับการยืนยัน เนื่องจากเจ้าของโมเดลยังไม่ออกมาพูดอะไรเลย

Ant Group ประกาศ Ling 3.0 Flash เมื่อวันที่ 27 กรกฎาคม และเปิดซอร์สค่าน้ำหนัก (weights) ภายใต้สัญญา MIT เมื่อวันที่ 7 สิงหาคม คลังที่เก็บ DSPark เป็นอีกเรือที่แยกออกไปเงียบ ๆ: สร้างขึ้นเมื่อวันที่ 9 สิงหาคม มีคำอธิบายเฉพาะใน model card ที่ระบุ checkpoint ว่า "a DSpark speculator for Ling3" และถูกแตะอีกครั้งเมื่อวันที่ 21 สิงหาคมด้วยการอัปเดต config.json ไม่มีการประกาศ ไม่มีหน้าเอกสาร ไม่มีบล็อกโพสต์เกณฑ์มาตรฐาน บทความนี้รวบรวมสิ่งที่คลังที่เก็บกล่าวไว้จริง และระบุส่วนที่เหลือเป็นคำถามเปิด

"DSpark speculator" หมายถึงอะไร โดยไม่ใช้ศัพท์เฉพาะ

การถอดรหัสแบบคาดเดาทำงานโดยใช้โมเดลขนาดเล็กและราคาถูกล่วงหน้าไปก่อนโมเดลจริง โมเดลขนาดเล็ก (drafter) คาดเดาโทเค็นถัดไปจำนวนหนึ่ง ส่วนโมเดลใหญ่ (target) จะตรวจสอบทั้งชุดในการส่งผ่านไปข้างหน้าครั้งเดียว และเก็บการคาดเดาที่มันเห็นด้วย เมื่อ drafter คาดเดาถูก การส่งผ่านไปข้างหน้าของ target เพียงครั้งเดียวจะให้โทเค็นหลายตัว ทำให้ปริมาณงานเพิ่มขึ้นโดยไม่ต้องแตะต้องน้ำหนักของ target

DSpark เป็นเวอร์ชันหนึ่งของแนวคิดดังกล่าวจากนักวิจัยของ DeepSeek — เปิดตัวในเดือนกรกฎาคม 2026 และถูกนำไปใช้งานจริงแล้วภายใน DeepSeek-V4 — และเป็นอัลกอริทึมที่ SGLang เรียกชื่อว่า DSPARK สองสิ่งที่ทำให้มันแตกต่างจาก drafter ทั่วไป: มันขยาย DFlash (แนวทางการร่างแบบขนาน) ด้วยคุณสมบัติเสริมที่ดึงมาจากโมเดลเป้าหมายเอง ทำให้ drafter ได้รับข้อมูลว่าโมเดลใหญ่กำลังทำอะไรอยู่ และมันมี confidence head ที่ให้คะแนนแต่ละ token ที่ถูกเสนอ และหยุดบล็อกก่อนเวลาอันควรเมื่อส่วนท้ายดูเหมือนจะไม่รอดผ่านการตรวจสอบ — ดังนั้นมันจึงไม่ต้องใช้รอบการตรวจสอบ (verify pass) กับ token ที่กำลังจะถูกทิ้งไป

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.

จุดตรวจสอบ (checkpoint) Ling-3.0-flash-dspark นำแนวคิดดังกล่าวมาใช้จริง: มันคือ speculator ที่ฝึกด้วย SpecForge ซึ่งถูกกำหนดขนาดให้เสนอ draft tokens จำนวนแปดโทเคนต่อบล็อก และมีความกว้างในการตรวจสอบ (verify width) เก้าโทเคนเมื่อนับรวมโทเคนโบนัสของเป้าหมายแล้ว

สิ่งที่ repository กล่าวไว้อย่างแม่นยำ

การ์ดโมเดลมีข้อมูลเบาบางแต่เฉพาะเจาะจง Ling 3.0 Flash DSPark เป็นโมเดล draft ที่มีพารามิเตอร์ประมาณ 1.36 พันล้าน (1,363,707,905 พารามิเตอร์, BF16) พร้อมด้วยเลเยอร์ transformer แบบ full-attention จำนวน 5 เลเยอร์ โดยมี hidden size 2,560 และ attention แบบ multi-head ที่มี query heads 32 หัว และ key/value heads 32 หัว โมเดลอ่านคุณลักษณะเสริม (auxiliary features) จาก 5 เลเยอร์ของโมเดลเป้าหมาย — การ์ดระบุเลเยอร์ 1, 11, 23, 29 และ 35 — และจับคู่กับ confidence head ที่อธิบายว่าเป็น "vanilla Markov head, rank 256" position embedding ของมันสูงสุดที่ 262,144 ซึ่งเท่ากับบริบท 256K ที่โมเดลเป้าหมายรองรับ

• พารามิเตอร์ — 1,363,707,905 (~1.36B), BF16, น้ำหนักประมาณ 2.7 GB

• สถาปัตยกรรม — เลเยอร์ full-attention 5 ชั้น, hidden size 2,560, MHA พร้อม query 32 head และ key/value 32 head; แท็กเป็น qwen3

• ฮุคเป้าหมาย — คุณสมบัติเสริมจากเลเยอร์ 1, 11, 23, 29 และ 35 ของ Ling 3.0 Flash

• หัวความเชื่อมั่น (Confidence head) — หัว Markov แบบมาตรฐาน (vanilla Markov head), rank 256

• บล็อก — โทเคนดราฟต์ 8 อัน; ตรวจสอบความกว้าง 9 รวมโทเคนโบนัสเป้าหมาย

• บริบท — การฝังตำแหน่งจำนวน 262,144 ซึ่งตรงกับหน้าต่างเนทีฟ 256K ของเป้าหมาย

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.

แถวสุดท้ายนั้นสำคัญสำหรับการวางแผนการปรับใช้: ตัว drafter ถูกสร้างขึ้นสำหรับโปรไฟล์การให้บริการบริบทระยะยาวเดียวกันกับเป้าหมาย ดังนั้นจึงไม่ทำให้บริบทที่คุณสามารถคาดเดาได้ลดลง

โปรดอ่านตัวเลขการยอมรับอย่างละเอียด

การ์ดรายงานชุดตัวเลขประสิทธิภาพหนึ่งชุด: ความยาวการยอมรับเฉลี่ย ซึ่งนิยามว่า "จำนวนโทเค็นเฉลี่ยที่ถูกยอมรับต่อขั้นตอนการตรวจสอบแบบคาดเดา รวมถึงโทเค็นโบนัสเป้าหมาย" จากเวิร์กโหลดเก้ารายการ ค่าเฉลี่ยแมโครคือ 5.29 — ประมาณห้าจากเก้าตำแหน่งที่ถูกยอมรับต่อขั้นตอนการตรวจสอบ ซึ่งเป็นจำนวนที่จะขับเคลื่อนการเพิ่มความเร็ว การกระจายตามเวิร์กโหลดแสดงให้เห็นว่าตัวร่างมีความแข็งแกร่งที่ใด:

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

• การให้เหตุผล — AIME 2025 5.56.

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

มีข้อควรระวังสามประการผูกติดกับตัวเลขเหล่านั้น ประการแรก ตัวเลขเหล่านั้นคือความยาวการยอมรับ (acceptance length) ไม่ใช่การเร่งความเร็วแบบ end-to-end: การ์ดไม่ได้ระบุตัวเลขโทเคนต่อวินาที ดังนั้น "โทเคนที่ยอมรับ 5.29 ตัว" จึงยังไม่ถูกแปลงเป็นข้ออ้างว่า "เร็วกว่า x เท่า" สำหรับโมเดลนี้ ประการที่สอง ตัวเลขเหล่านั้นรายงานโดยผู้ผลิตและยังไม่มีการตรวจสอบซ้ำ — ไม่มีใครภายนอก inclusionAI เผยแพร่ผลการวัดเลย และประการที่สาม ตัวเลขเหล่านั้นขึ้นอยู่กับบริบท: ความยาวการยอมรับแปรผันตามปริมาณงาน อุณหภูมิการสุ่มตัวอย่าง และเช็คพอยต์เป้าหมายที่แน่นอน ดังนั้นควรถือว่าคอลัมน์โค้ดและคณิตศาสตร์เป็นกรณีที่ให้ผลดีที่สุด และคอลัมน์แชตเป็นค่าต่ำสุดที่สมจริง

สิ่งที่ได้รับการยืนยันแล้ว และสิ่งที่ยังไม่ได้รับการยืนยัน

ยืนยันจากคลังข้อมูลสาธารณะ: เช็คพอยต์มีอยู่จริงและดาวน์โหลดได้; เป็นตัวคาดเดา DSpark สำหรับ Ling 3.0 Flash; ถูกฝึกด้วย SpecForge; ให้บริการผ่านอัลกอริทึม DSPARK ของ SGLang; และถูกสร้างเมื่อวันที่ 9 สิงหาคม และอัปเดตล่าสุดเมื่อวันที่ 21 สิงหาคม

ยังไม่ได้รับการยืนยัน และควรกล่าวให้ชัดเจน: {{1}}สัญญาอนุญาต{{/1}} frontmatter ของการ์ดระบุ {{2}}license: other{{/2}} โดยไม่มีข้อความสัญญาอนุญาตแนบมา — ซึ่งต่างจากน้ำหนักของ Ling 3.0 Flash ที่ใช้สัญญาอนุญาต MIT {{3}}ตรงที่เงื่อนไขของ DSPark speculator ในขณะนี้ยังไม่มีการระบุ{{/3}} อีกสิ่งที่ยังไม่ได้รับการยืนยัน: {{4}}ว่าความยาวการยอมรับ (acceptance lengths) ให้ผลเหมือนกันบนฮาร์ดแวร์อื่น ว่ามันหมายถึงอะไรในแง่ของโทเคนต่อวินาทีแบบ end-to-end ว่ามี inference provider ใดให้บริการ drafter หรือไม่ (ไม่มีอะไรบ่งชี้ว่ามี) และว่าจะมีการประกาศอย่างเป็นทางการหรือไม่{{/4}} ทั้งหมดนี้ไม่ใช่ข้อกล่าวหา; การเปิดตัวเกิดขึ้นมาไม่ถึงสองสัปดาห์ {{5}}สิ่งเหล่านี้คือความแตกต่างระหว่างส่วนประกอบที่มีแนวโน้มดีกับส่วนประกอบที่ได้รับการพิสูจน์แล้ว{{/5}}

กำลังรันมัน

ในทางปฏิบัติ คุณจำเป็นต้องมี SGLang build ที่รองรับ DSPARK — อัลกอริทึมนี้ถูกเพิ่มใน SGLang v0.5.16 ในเดือนกรกฎาคม ควบคู่ไปกับการรวม DSpark ที่ขับเคลื่อนโดย DeepSeek-V4 เปิดเซิร์ฟเวอร์ด้วยโมเดลเป้าหมายและตั้งชื่อ 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>

คำสั่งมาจาก model card เอง; ขนาดบล็อกถูกอ่านจากคอนฟิกของ drafter ยังไม่มีเส้นทางของ llama.cpp ในตอนนี้ — สถาปัตยกรรมไฮบริด KDA + MLA ต้องใช้ fork ที่กำหนดเองแม้แต่กับโมเดลหลัก ดังนั้น speculator จึงเป็นเรื่องของ SGLang ในตอนนี้

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).

มันคุ้มค่าที่จะวิ่งหรือไม่

Ling 3.0 Flash DSPark จะทำงานก็ต่อเมื่อคุณเสิร์ฟ Ling 3.0 Flash ด้วยตัวเองเท่านั้น มันเป็นคอมโพเนนต์ในเครื่อง: น้ำหนัก BF16 เพิ่มเติมประมาณ 2.7 GB ควบคู่กับเป้าหมาย 124B, บิลด์ SGLang ที่รองรับอัลกอริทึม และฮาร์ดแวร์ที่มีหน่วยความจำเหลือพอ ผลตอบแทนคือความยาวการยอมรับที่สูงกว่าดราฟเตอร์ขนาดเล็กทั่วไป โดยต้องแลกกับหน่วยความจำและชิ้นส่วนที่ต้องดูแล สำหรับทีมที่ใช้งานเป้าหมายบน GPU ของตนเองอยู่แล้วภายใต้โหลดแบบอินเทอร์แอกทีฟที่ผูกกับเวลาแฝง ดราฟเตอร์เป็นสิ่งที่วัดผลได้ง่าย — แค่สองแฟล็ก, การถอดรหัสแบบ greedy และการดูผลต่างของโทเคนต่อวินาที สำหรับใครก็ตามที่เรียกใช้ Ling 3.0 Flash ผ่าน API ที่โฮสต์ไว้ มันไม่เกี่ยวข้อง: คุณไม่สามารถแนบดราฟเตอร์ในเครื่องเข้ากับสแตกการเสิร์ฟของคนอื่นได้

ช่องว่างความซื่อสัตย์ของโมเดลการ์ดคือสิ่งหลักที่ต้องเตรียมรับมือ ค่าเฉลี่ยการยอมรับที่ 5.29 เป็นตัวเลขที่แข็งแกร่ง — DSpark speculator ของ DeepSeek-V4 รายงานความยาวการยอมรับในช่วง 3.2–3.6 ตามบทความของ LMSYS และ drafter LFM2.5-2.6B ของ Liquid AI มีค่าเฉลี่ย 4.83 — แต่ความยาวการยอมรับไม่ใช่ความเร็วที่เพิ่มขึ้น และจนกว่าจะมีใครเผยแพร่ปริมาณงานแบบ end-to-end สำหรับคู่ที่ตรงกันนี้ ขนาดของผลลัพธ์ที่ได้ก็ยังเป็นเพียงการประมาณ

และนี่คือจุดที่การผสมผสานระหว่างการโฮสต์เอง (self-host) กับการใช้บริการโฮสต์ (hosted) กลายเป็นการตัดสินใจที่แท้จริง ดราฟเตอร์ (drafter) คืออีกหนึ่งชิ้นส่วนที่โฮสต์เองซึ่งอยู่หน้าโมเดลที่ให้บริการเป็น API ได้เช่นกัน — และการทำให้สองทางเลือกนี้เทียบเคียงกันได้คือหน้าที่ของเลเยอร์จัดเส้นทาง (routing layer) นั่นเอง API เดียวที่ใช้กับโมเดลกว่า 200+ รุ่น การเฟลโอเวอร์อัตโนมัติเมื่อผู้ให้บริการมีประสิทธิภาพลดลง และราคาตามรายการของผู้ให้บริการที่ส่งผ่านด้วยมาร์กอัป 0% ช่วยให้คุณรันเซิร์ฟเวอร์ Ling-3.0-flash ของตัวเองสำหรับเส้นทางที่ไวต่อความหน่วง ขณะเดียวกันก็จัดเส้นทางทราฟฟิกที่เหลือไปยังเอนด์พอยต์แบบโฮสต์ และสลับได้ด้วยการกำหนดค่าแทนการเขียนโค้ดใหม่ ดราฟเตอร์ DSPark ไม่ได้เปลี่ยนตำแหน่งที่ Ling 3.0 Flash รันอยู่ แต่มันเปลี่ยนความเร็วในการรันเมื่อมันอยู่บนฮาร์ดแวร์ของคุณ

คำถามปลายเปิดที่ต้องจับตามอง

ให้จับตาดูสี่สิ่ง ประกาศอย่างเป็นทางการหรือโพสต์บล็อกจะเติมเต็มบริบทที่ขาดหายไปเกี่ยวกับการเปิดตัว ตัวเลขโทเคนต่อวินาที (tokens-per-second) ที่เผยแพร่ออกมา — จาก inclusionAI หรือใครก็ตาม — จะเปลี่ยนตัวเลขการยอมรับ 5.29 ให้เป็นการเร่งความเร็วที่แท้จริง การเปลี่ยนแปลงใบอนุญาตจาก other เป็นใบอนุญาตที่มีชื่อเฉพาะจะขจัดอุปสรรคใหญ่ที่สุดต่อการใช้งานในโปรดักชัน และการที่ผู้ให้บริการเริ่มให้บริการ Ling 3.0 Flash โดยเปิดใช้งาน speculation จะเปลี่ยนการคำนวณสำหรับผู้ที่ไม่โฮสต์ด้วยตนเองเลย

จนกว่าจะถึงตอนนั้น Ling 3.0 Flash DSPark ก็คือสิ่งที่ repository ของมันระบุไว้นั่นเอง: เป็น speculator DSpark ขนาด 1.36B สำหรับ Ling 3.0 Flash ที่ดาวน์โหลดได้จริง เผยแพร่โดยไม่เอิกเกริก พร้อมตัวเลขการยอมรับที่แข็งแกร่งแต่ยังไม่ผ่านการตรวจสอบ และไม่มีการเผยแพร่ตัวเลขความเร็วที่เพิ่มขึ้น นั่นเป็นพื้นฐานที่ใช้การได้สำหรับการทดลอง — และเป็นคำอธิบายที่ตรงไปตรงมาของส่วนประกอบที่ยังไม่มีใครวัดผลอย่างอิสระ

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube