DSpark 深度解读：半自回归草稿与置信度调度的投机解码

研究2026年8月4日

DeepSeek 开源 DSpark：并行草稿骨干配轻量自回归头，置信度调度按负载裁剪验证，线上单用户速度提升 60%–85%。

Mooncake × vLLM 实战：用 MooncakeConnector 搭建 PD 分离推理

教程2026年8月3日

手把手部署 vLLM 与 Mooncake 的 PD 分离推理：MooncakeConnector 通过 RDMA 跨节点直传 KV 缓存，峰值带宽 142.25 GB/s，覆盖 V1 与 V0 两种后端。

Mooncake × vLLM 实战：用 MooncakeStoreConnector 搭建分布式 KV 缓存池

教程2026年8月3日

手把手部署 vLLM + MooncakeStore 分布式 KV 缓存池：CPU/SSD 卸载、跨实例前缀缓存共享、XpYd 灵活编排，覆盖 V1 与 V0 两种后端。

vLLM × Mooncake Store：为智能体负载构建分布式 KV 缓存池

研究2026年8月3日

vLLM 集成 Mooncake Store 构建分布式 KV 缓存池：真实智能体负载下吞吐提升 3.8 倍、TTFT 降低 46 倍，近乎线性扩展到 60 块 GB200。

CUDA Graph 使用边界：九类必须知道的限制

教程2026年8月2日

CUDA Graph 强大但限制不少：捕获期间不能同步、图拓扑与参数静态冻结、流捕获必须自包含、内存生命周期等九类约束详解。

CUDA Graph 入门：把一串内核调用打包成一次提交

教程2026年8月2日

一份面向深度学习开发者的 CUDA Graph 中文介绍：启动开销从哪来、图如何定义与执行，以及 PyTorch 里怎么用。

DeepSeek 接入 Codex 教程：一条命令，三端通用

教程2026年8月2日

DeepSeek 官方提供一键脚本和手动配置两种方式接入 Codex，CLI、ChatGPT 桌面端、VS Code 插件共用一份配置。

DeepSeek-V4-Flash-0731 DSpark：Gilded Gnosis r16 定版镜像发布

模型2026年8月2日

DeepSeek-V4-Flash-0731 的 Gilded Gnosis r16 镜像通过全部门禁：内置 DSpark K5 投机解码、InstantTensor 加载与可选原生 CPU KV 卸载。