蚂蚁集团今日宣布开源 Ling-3.0-flash-dspark，这是一个专为 Ling-3.0-flash 构建的 DSpark 草稿模型，旨在加速大模型推理效率。

官方公布的数据显示，在 4 块 NVIDIA Blackwell GPU 上、batch 为 1 的条件下，该模型在 1,000 个请求中实现了 1,120 tok/s 的吞吐量，平均 TPOT（单 token 生成时间）仅为 0.78 ms，接受长度达到 9.95。

草稿模型通常用于推测解码（Speculative Decoding）场景，通过小模型快速生成候选 token，再由大模型验证，从而在不牺牲生成质量的前提下显著提升推理速度。

此次开源意味着开发者可以在自有环境中复现这一性能表现，对于追求低延迟响应的应用场景，如实时对话、代码补全等，具有直接参考价值。