1月1日新闻 ，DeepSeek赶在新年前发送了“贺礼”，在新论文中提出了名为mHC（流形约束超毗连）的新收集 架构，旨在解决传统架构在年夜 规模模型练习中的不稳固性问题，这一研究 或将为下一代根本架构的演进指明新标的目的 。

新论文名为《mHC :Manifold-Constrained Hyper-Connections》（《mHC：流形约束超毗连 》），DeepSeek首创人兼CEO梁文锋出如今了合闻名单之中，而解振达（Zhenda Xie）、韦毅轩（Yixuan Wei）、曹焕琪（Huanqi Cao）则是核心供献 者。

近年来，以超毗连（HC）为代表的研究 拓展了已往十年确立的通用残差毗连范式（深度神经收集 的经典毗连范式），靠拓宽神经收集 的“信息传输通道”、增长通道间的毗连，让模型性能 变好。但这种多样化也导致了年夜 规模练习中的不稳固性、可扩展性受限及内存拜候 开销年夜 的问题。

因此，DeepSeek这篇论文针对超毗连架构这些问题，提出两全 性能 与服从的改进框架，即mHC 架构，这雷同于给超毗连的“信息通道”加了一套“交通规则”，在保留性能 优势的同时，又恢复了信息原样传递的特性，让模型练习更稳固、更轻易做年夜 ，从而推动年夜 模型底层架构的工业化落地。

这一论文整体较为技能，但通俗来讲，假如将AI模型想象成一个很长的“盘算链条”，传统盘算链条的问题在于，传递信息时是一条窄窄的管道，信息量年夜 了就会“堵车”。厥后的方法 是将管道加宽（超毗连），信息流更多，但水流太猛偶然候会把水管冲坏。DeepSeek提出的mHC相当于给水管加了“智能调理 阀”，能确保水流的稳固，运行的时间更省资源。

在论文中，DeepSeek表示，mHC为未来研究 开辟了多个前景广阔的路径。研究 团队盼望mHC能重新激发 学界对宏观架构设计的兴趣。通过深化对拓扑结构如何影响优化与表征学习 的明白，mHC或将有助于冲破 当前限制，并可能为下一代根本架构的演进指明新标的目的 。

从行业意义上来看，mHC或许能让企业在练习更年夜 规模的根本模型时，淘汰硬件投入、收缩练习周期。比如算力有限的中小AI企业，也能尝试开辟更繁芜 的年夜 模型，低落了年夜 模型研发的门槛。别的，练习稳固性和可扩展性的提拔，能让年夜 模型在更繁芜 的场景落地，比如必要超年夜 规模参数的多模态模型、工业级的智能决策系统。

有行业人士评价认为，DeepSeek这一研究 是底层创新，此次 创新的架构看向的是Transformer最根本的问题，结合此前的积累，他猜测DeepSeek 有望在V4版本中做出重年夜 的更新。

自2025岁首年月 激发 广泛 关注 以来，这一年DeepSeek虽未正式推出R2或V4等重年夜 版本，但在模型迭代与开源上连续发力：仅12月就同步推出了DeepSeek-V3.2与V3.2-Special，11月尾也开源了数学推理模型DeepSeek-Math-V2，成为目前首个达到国际奥数金牌程度并开放使用的数学模型。