DeepSeek V4.1 Flash 性能飞跃：M3 Ultra 结合 DSpark MTP 实现 40tps 本地推理

核心事件

开发者通过分叉 antirez 的 ds4 项目并针对 DeepSeek V4.1 Flash 进行深度适配，在 Mac Studio (M3 Ultra) 上实现了推理性能的质变。该优化将生成速度从原先的 16 t/s 提升至 40 t/s，预填充/吞吐速度高达 800 t/s，成功支撑了长达 91 分钟的复杂智能体（Agent）连续任务。

• ▶ 端侧 Agent 的性能瓶颈被打破： 针对 DeepSeek V4.1 Flash 的架构特性，利用 Multi-Token Prediction (MTP) 机制显著缓解了本地推理的延迟痛点。
• ▶ Apple Silicon 潜力再挖掘： 此次优化证明了 M3 Ultra 的统一内存架构在处理高性能 Flash 级别模型时，通过极致的工程手段仍有巨大的“信息增益”空间。

八卦洞察

在 LocalLLaMA 社区的这次实践中，我们看到了“模型架构优化”与“硬件特性匹配”的深度融合。DeepSeek V4.1 Flash 本身是为高效率设计的，但在通用的推理框架下往往无法发挥全力。通过引入 DSpark 的 MTP 逻辑，开发者实际上是在本地环境中复现了类似云端大模型的推测采样（Speculative Decoding）效果。这标志着本地推理正在从“能跑就行”向“工业级生产力”演进。对于追求隐私和低延迟的开发者而言，M3 Ultra 配合此类优化后的模型，其体验已开始超越部分中端云端 API。

行动建议

• 开发者侧： 关注并测试 DSpark 及类似的 MTP 优化分支，特别是针对 DeepSeek 系列模型，这可能是目前提升本地 Agent 响应速度最有效的路径。
• 企业决策： 在构建内部 Agent 工作流时，应重新评估高性能本地工作站（如 Mac Studio）的投产比。在长上下文和高频调用的场景下，本地化部署的成本优势和响应一致性正日益凸显。
• 硬件选型： 统一内存（UMA）仍是本地大模型推理的护城河，建议优先选择 128GB 及以上内存版本以应对 Q4 及以上精度的长上下文任务。