DeepSeek发布mHC新网络架构论文 - 公司在新论文中提出名为mHC（流形约束超连接）的新网络架构，旨在解决传统架构在大规模模型训练中的不稳定性问题[3] - 该研究或将为下一代基础架构的演进指明新方向[3] mHC架构的技术原理与优势 - 传统超连接（HC）架构通过拓宽神经网络的“信息传输通道”提升模型性能，但导致了大规模训练中的不稳定性、可扩展性受限及内存访问开销大的问题[7] - mHC架构为超连接的“信息通道”增加“交通规则”，在保留性能优势的同时，恢复了信息原样传递的特性，使模型训练更稳定、更容易做大[7] - 通俗比喻：mHC相当于给加宽的水管（超连接）增加了“智能调节阀”，能确保信息水流的稳定，运行时更省资源[7] 研究的行业意义与影响 - mHC或能让企业在训练更大规模基础模型时，减少硬件投入、缩短训练周期，降低大模型研发门槛，使算力有限的中小AI企业也能尝试开发更复杂的大模型[8] - 训练稳定性和可扩展性的提升，能让大模型在更复杂的场景落地，例如需要超大规模参数的多模态模型、工业级的智能决策系统[8] - 有行业人士评价认为，此次创新针对Transformer最基础的问题，是底层创新，结合此前积累，预测公司有望在V4版本中做出重大更新[8] 公司的近期动态 - 自2025年初引发广泛关注以来，公司虽未正式推出R2或V4等重大版本，但在模型迭代与开源上持续发力[9] - 仅12月就同步推出了DeepSeek-V3.2与V3.2-Special，11月底开源了数学推理模型DeepSeek-Math-V2，该模型成为目前首个达到国际奥数金牌水平并开放使用的数学模型[9]