执行摘要

本 PR 是 DeepSeek-V4 cookbook 的文档配套变更：在 Flash Vision（Exp）低延迟配方中启用 DSpark 投机解码。核心改动是在 deepseek-v4.jsx 的 5 个低延迟 recipe（B200 / B300 / GB200 / GB300 / H200）中加入 --speculative-algorithm DSPARK，移除 Playground 中 Flash Vision 变体的 DSpark 置灰规则，并把 B200 的 MMMU-Pro 实测分数更新为 75.14%（开启 DSpark 后复测，1730/1730 样例）。balanced / high-throughput 配方因依赖 DP Attention（与 DSpark 不兼容）保持 target-only。纯文档变更，无运行时代码改动。

功能与动机

PR body 明确动机：#37293 以 target-only 方式发布 Flash Vision cookbook 配方，是因为 DSpark draft head 尚未在图像批次上验证；#37253 已把 DSpark 相关 hook（lm_head 委托、set_dspark_layers_to_capture）接入 VL wrapper，剩下的工作是在 B200 上完成验证并更新文档。

验证结果：MMMU-Pro（standard, 10-option）75.14%，1730/1730 样例全部完成，stop_rate 100%，0 截断、0 报错，decode accept 长度约 2.5–3.0。DSpark 与 DP Attention 不兼容是 balanced / high-throughput 保持 target-only 的根本原因。

实现拆解

1. 解除 DSpark 选项的 Flash Vision 禁用：在 docs/src/snippets/configs/deepseek-ai/deepseek-v4.jsx 的 speculative.options 数组中，dspark 选项的 disable 列表移除了针对 variant: ["flash-vision"] 的规则；保留 dpAttnOn: [true] 与 hw: ["mi300x", "mi355x"] 两条不兼容约束。
2. 低延迟 recipe 注入 DSPARK 参数：在 B200 / B300 / GB200 / GB300 / H200 五个 flash-vision + fp4 + low-latency 单元格的 flags 中插入 --speculative-algorithm DSPARK，位置紧接 --tp 4，与 Flash Official（0731 / 0813）标志顺序一致；不追加 EAGLE 系列参数，因为草稿头内置于主检查点。
3. 基准数据更新：deepseek-v4-benchmarks.jsx 把 B200 Flash Vision 低延迟行的 mmmu_pro_pct 从 74.96 更新为 75.14，notes 补充 DSpark 与验证命令细节。
4. 同步 MDX 叙述：DeepSeek-V4.mdx 两处关于 Flash Vision 投机解码的描述改为"低延迟配方启用 DSpark（B200 已验证，其余硬件 pending）"，并说明 balanced / high-throughput 因 DP Attention 保持 target-only，且不传 EAGLE 三个参数（--speculative-num-steps、--speculative-eagle-topk、--speculative-num-draft-tokens）。
5. 状态标注与测试配套：B200 低延迟行保持 verified: true 并保留未发布警告（依赖 #37253）；B300 / GB200 / GB300 / H200 低延迟行保持 verificationStatus: "in-progress"。纯文档变更，无测试配套（PR body 自述 N/A）。

docs/src/snippets/configs/deepseek-ai/deepseek-v4.jsx

cookbook 配置面板的核心数据源。本 PR 在这里解除 Flash Vision 变体的 DSpark 禁用规则，并为 B200 / B300 / GB200 / GB300 / H200 五个低延迟 recipe 注入 --speculative-algorithm DSPARK，是启用 DSpark 的主要载体。

// ----- Card 4: "Speculative Decoding" -----
// dspark 选项：hide 只作用于普通 flash / pro 变体，
// Flash Official 与 Flash Vision 均允许选择 DSpark
speculative: {
  options: [
    { id: "current", label: "Inherited from base" },
    { id: "off", label: "Off (greedy)" },
    { id: "mtp-314", label: "EAGLE / MTP 3-1-4",
      flags: ["--speculative-algorithm EAGLE", "--speculative-num-steps 3",
              "--speculative-eagle-topk 1", "--speculative-num-draft-tokens 4"],
      hide: { variant: ["flash-official", "flash-vision", "pro-official"] } },
    { id: "dspark", label: "DSpark",
      // 草稿头随主检查点发布，因此只需一个参数即可启用
      flags: ["--speculative-algorithm DSPARK"],
      hide: { variant: ["flash", "pro"] },
      disable: [
        // Flash Vision 的禁用规则已移除（B200 上完成图像批次验证）；
        // 仅保留两条硬性不兼容约束：DP Attention 与 ROCm
        { when: { dpAttnOn: [true] },
          reason: "DSpark is not compatible with DP Attention on the current release." },
        { when: { hw: ["mi300x", "mi355x"] },
          reason: "DSpark currently requires CUDA." },
      ] },
  ],
},

// B200 + FP4 — Flash Vision (Exp) 低延迟 recipe
// verified: true 表示用下方精确命令完成过完整验证
{
  match: { hw: "b200", variant: "flash-vision", quant: "fp4", strategy: "low-latency", nodes: "single" },
  verified: true,
  warn: "DeepSeek-V4-Flash-Vision-Exp support has not shipped in an SGLang release yet (sglang PR 37253): Docker mode already points at the preview image; for Python mode install SGLang from that PR. See [Flash Vision notes](#vision-note).",
  env: [],
  flags: [
    "--model-path {{MODEL_NAME}}",
    "--tp 4",
    // 与 Flash Official 标志顺序一致，紧接 --tp 4；
    // 不传任何 EAGLE 系列参数，draft 已内置在主检查点
    "--speculative-algorithm DSPARK",
    "--mem-fraction-static 0.85",
    "--host {{HOST_IP}}",
    "--port {{PORT}}",
  ],
},

docs/src/snippets/configs/deepseek-ai/deepseek-v4-benchmarks.jsx

基准数据页。将 B200 Flash Vision 低延迟行的 MMMU-Pro 从 74.96 更新为 75.14，并在 notes 中注明该分数是在开启 DSpark 后测得，保证数据与配方一致。

{
  match: { hw: "b200", variant: "flash-vision", quant: "fp4", strategy: "low-latency", nodes: "single" },
  sglang_version: "dev-dsv4-flash-vision",
  // 开启 DSpark 后的 MMMU-Pro 实测值：1730/1730 样例全部完成，
  // stop_rate 100%，0 截断、0 报错；decode 接受长度约 2.5–3.0
  accuracy: { mmmu_pro_pct: 75.14 },
  notes: "MMMU-Pro (standard, 10-option) measured with sgl-eval on 4×B200 (TP=4) at temperature 1.0, top-p 0.95, --reasoning-effort max, with the bundled DSpark head enabled (--speculative-algorithm DSPARK).",
},

评论区精华

本 PR 没有实质性 review 讨论：wisclmy0611 直接 approve（空评论），唯一的评论来自 mintlify[bot] 的预览部署通知。技术权衡全部沉淀在 PR body 中：

B200 stays verified: true, re-verified with the exact shipped command: MMMU-Pro (standard, 10-option) 75.14% — 1730/1730 examples, stop_rate 100%, 0 truncations, 0 errors.

Balanced / high-throughput recipes stay target-only: they run DP Attention, which DSpark is incompatible with on current releases.

风险与影响

• 多硬件验证缺口：B300 / GB200 / GB300 / H200 的低延迟行已写入 DSPARK 参数但保持 verificationStatus: "in-progress"，文档配置先于这些平台的验证发布；状态字段显式可见，风险可控。
• 依赖未发布特性：Flash Vision 支持依赖 #37253，尚未进入正式 release；warn 已提示 Python 模式需从该 PR 源码安装，用户若用旧版本照抄命令会启动失败。
• 配置与运行时约束耦合：DSpark × DP Attention 的不兼容仅体现在配置面板 disable 规则中，绕过 UI 手动组合参数时文档无法强制约束。
• 精度数据可比性：75.14% 与先前 74.96% 的差异来自开启 DSpark 后的命令级复测；读者需注意该分数带 DSpark，而非 target-only 配置。
• 影响范围：仅 DeepSeek-V4 cookbook 页面（3 个文件、15 增 11 删），无运行时代码、无测试、无配置默认值变更。

关联脉络

• #37293 是本 PR 的直接前身：首次把 Flash Vision 变体加入 DeepSeek-V4 页面，全部配方 target-only；本 PR 在其基础上完成低延迟配方的 DSpark 启用与 B200 验证。
• #37253（PR body 引用）为 DSpark 在 VL wrapper 中的接入 PR，是本次文档变更成立的运行时前提。
• 结合 0731 / 0813 检查点的既有做法（DSpark 内置于主检查点、不传 EAGLE 参数），可以看到 DeepSeek-V4 系列文档在"投机解码参数最小化"原则下的一致性演进：draft head 随主检查点发布，cookbook 只暴露 --speculative-algorithm DSPARK 一个开关。