DeepSeek新版mHC上线，R2模型距我们还有多远？
去年1月，春节前夕，“DeepSeek冲击波”席卷业界，中美同时“破圈”，成为年度现象级事件。而2026年一开年，DeepSeek又惊喜时刻进一步提前。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
1月1日，DeepSeek在AI开源社区HuggingFacear和研究分享平台arXiv发布论文，提出了名为mHC（Manifold-Constrained Hyper-Connections）的新型神经网络架构优化方案，再次引发讨论热潮，其对AI产业，包括大模型、芯片等领域可能产生的影响也备受瞩目。
图片来自DeepSeek论文“mHC：Manifold-Constrained Hyper-Connections“
mHC架构让大模型训练更稳、更快、更省
DeepSeek此次提出的mHC架构，建立在字节豆包大模型Foundation团队2024年11月发布的Hyper-Connections（HC）基础上。
彼时，豆包团队宣称HC有望替代大模型开发领域沿用近10年的ResNet残差神经网络架构，通过拓宽残差连接宽度，增加连接模式多样性，提升大模型性能和灵活性。
不过，HC只在理论推演和小模型实验中取得了成绩，在大模型训练中，残差连接通道间的交互极易导致信号爆炸或消失，进而全盘失控，无法取得稳定的训练结果，可扩展性也随之降低，成本则大幅升高。
DeepSeek在论文中称，mHC的核心创新在于引入Manifold-Constrained（流形约束），通过Sinkhorn-Knopp算法将残差映射矩阵投影到“双随机矩阵”构成的Birkhoff多面体上。
简单来说，这相当于为上述“易爆”的信号传播环节加上稳定器，确保信号在多层传递过程中受到约束，均值不变、总量守恒，以此解决HC在大模型训练中的稳定性、可扩展性问题。
DeepSeek给出了HC和mHC在270亿参数级别训练中的演示数据，HC在训练到1.2万步左右时信号放大倍数已暴增至3000倍，训练随之崩溃。
而mHC在同等训练中，信号放大倍数仅为1.6倍，全程平稳运行。与此同时，相较于传统架构，mHC训练时的损失显著下降，BBH数据集评测的困难任务推理能力和DROP数据集评测的阅读理解表现均提升2%以上。
图片来自DeepSeek论文“mHC：Manifold-Constrained Hyper-Connections“
另外，DeepSeek延续了“高性价比”“效率优先”的一 贯风格，论文称研究团队同时设计了高效的基础设施优化方案，最终，在残差通道扩展4倍后，mHC的额外训练时间开销仅为6.7%。
DeepSeek在论文中总结称，实验证明mHC在大规模训练中表现稳定，性能优越，具备良好的可扩展性，期望其能为拓扑结构设计提供新视角，并推动基础模型的演进。
值得一提的是，论文作者署名多达19人，核心作者为解振达、韦毅轩、曹焕奇，前两者均为清华大学高等研究院博士，也均进入过微软亚洲研究院联培项目，而DeepSeek创始人、CEO梁文锋的名字则列于最后。
在HuggingFacear上，从2024年1月的LLM论文至今，DeepSeek共发布了23篇重要论文，11篇中有梁文锋署名，包括MoE、Coder、R1、V3等节点性重要成果。
或引发AI架构连锁反应，英伟达生态再获加持
mHC发布后，在研究者、业界、媒体中都有较高的讨论度。相较于此前聚焦专门领域的OCR、Math-V2和在V3基础上更新的V3.2，mHC更被视为是一种底层创新，再加之新年伊始的节点，也更多被赋予了一层象征意义。
科技研究机构Odmia首席分析师苏连杰接受Business Insider采访时称，DeepSeek可能会在AI领域引发连锁反应，竞争对手可能会着手开发类似的架构。
实际上，就在DeepSeeK发布论文的次日，普林斯顿和UCLA的研究团队就提出了名为Deep Delta Learning的架构，同样旨在更新ResNet的基本架构。
接连涌现的新研究，提升了业界对2026年大模型架构产生重大范式更新和迭代的期待。
苏连杰还认为，相关研究成果会在DeepSeek其后的新模型中有所体现。
不少机构预计DeepSeek将在春节前后进行重大发布，很可能是备受期待却推迟已久的R2，并以此复刻去年的“冲击效应”，也可能是更新更快的通用模型V4，进一步激发实用性和经济价值。
不过，目前尚无可靠消息论证mHC是否会进入新模型。
去年春节期间，DeepSeek R1给AI芯片产业带来巨大冲击，甚至一度被认为将颠覆“算力为王”的逻辑，让以英伟达为代表的美股AI芯片产业链公司股价大跌。此次，mHC对算力、硬件端的影响也受到关注。
一份专家调研纪要显示，mHC架构虽然通过效率提升、工程优化提升了整体算力的质效比，延续了“无需堆算力就能打造顶尖大模型”的叙事，但其本身依赖FP32高精度计算格式，对内存带宽和高速互联带宽也提出了更高要求，尤需高端芯片的支持。
而且，目前该架构主要针对英伟达超节点链路设计，更适配英伟达生态，而对国产芯片兼容性较弱。
实际上，此前DeepSeek推迟R2发布时，即有分析称缺少英伟达芯片是原因之一。如果这种架构规模化铺开，英伟达的生态短期内会得到优势强化，国产芯片则需着力强化编译层的适配。而长期来看，供应mHC架构的AI芯片需要提升存储带宽，并转向更加精细化的设计。
不过，值得注意的是，2025年英伟达等制造商的美国AI芯片受地缘、政策因素影响逐渐淡出中国市场后，国产芯片替代大幅加速。相关厂商在提升性能以追赶领先者的同时，也逐渐在生态构建层面大举布局，华为昇腾、摩尔线程等都宣布适配DeepSeek大模型，不过其精度格式仍与英伟达有明显差距。
在国产芯片的生态突围中，与DeepSeek等领先大模型的深度耦合被认为至关重要。2026年，英伟达、AMD等国际巨头重返中国的努力、国产芯片的继续成长，以及大模型创新带来的变量，可能会让故事变得更加精彩。（作者｜胡珈萌，编辑｜李程程）
相关攻略
经典重演：何小鹏化身偷“芯”特工，打造全球首款 L3 级算力汽车“小鹏 G7” 7月2日，小鹏汽车放出了一段名为“Mission:Turing-图灵计划情报泄露”的视频。这可不只是一段简单的总部展示，更像是一部精心编排的“科技特工片”。视频里，一位神秘特工上演了攀楼潜入未来总部的戏码，目标直指实验室
编辑 | 王凤枝 单季营收681 3亿美元，净利润429 6亿美元，数据中心业务狂飙75%，推理成本更是迎来量级式下降。 过去几个月，关于“AI泡沫”的争论在资本市场从未停歇。然而，英伟达刚刚交出的这份第四财季成绩单，用最硬核的数据，给整个产业情绪注入了一剂强心针。 面对这台全速运转的“印钞机”，C
Meta豪掷数百亿，AMD的“备胎”终于要上位了？ AI算力军备竞赛的战火，烧出了新剧情。就在周二，Meta与AMD联手扔下了一枚重磅冲击波：双方达成一项多年期协议，Meta将在其AI数据中心部署规模高达6吉瓦(GW)的AMD GPU，并配套使用AI优化型CPU。首批搭载MI450 GPU的AMD
MacBook Neo平价版爆火背后：一场甜蜜的供应链烦恼与苹果的生态棋局 上个月初，苹果悄然投下了一枚“平价冲击波”——起售价4599元、教育优惠价仅3999元的MacBook Neo笔记本正式登场。对于早已拥有iPhone或iPad的用户而言，这无疑是完善苹果生态拼图的绝佳选择；而对于初次接触苹
英伟达GTC前瞻：代号“Feynman”的下一代芯片，将如何定义未来算力？ 距离NVIDIA GTC 2026大会（3月16日至19日）开幕越来越近，黄仁勋已经提前放出风声，预告将发布一款“让世界震惊的芯片”。市场的目光，正被牢牢锁定在这场即将到来的技术盛宴上。 根据韩国媒体Chosun Biz的报
热门专题
热门推荐
数据挖掘与分析的基本流程 想把一堆数据变成洞察和决策？你需要一个系统的流程。这里梳理了一套清晰可行的路径，按步骤推进，能让你的数据分析工作事半功倍。 第一步：数据探索 拿到数据别急着动手。先得跟它“认识认识”，看看它到底长什么样。这个过程就是数据探索：通过检验数据质量、绘制图表、计算关键特征量等方式
数据抓取这件事，本质上就是让自动化程序代替人手，按照预设的规则，从浩瀚的互联网上高效地收集公开信息。整个过程听起来很技术化，但其实可以把它拆解成几个环环相扣的步骤，理解起来并不难。 目标选择 第一步是明确方向。就像出门寻宝得先有张地图，数据抓取也需要事先锁定目标网站，并精确圈定出你要提取的具体数据内
在商业领域中，合同管理是一项至关重要的任务 生意越做越大，需要处理的合同自然也堆积如山。这时候，合同管理的效率与准确性，就成了所有管理者必须直视的关键问题。如何应对？答案之一是建立起一套高效的合同快速对比机制。今天，我们就来拆解一下实现合同快速对比的核心步骤与实用方法，帮你把这项繁琐却重要的工作，变
币圈巨鲸地址可通过五种方式识别：一、用Etherscan等浏览器查Top Holders；二、借Nansen、Arkham等平台看已标记地址；三、监控CryptoQuant交易所净流量；四、订阅Whale Alert实时警报；五、交叉验证Nansen、Glassnode等多源数据确保准确性。 币圈加
谷歌与苹果联手：下一代Siri背后的AI范式转移 科技圈最近有个大新闻，在Google Cloud Next26大会上，官方消息终于落定：苹果正式选定谷歌作为其首选云服务提供商。双方正在联手，基于谷歌的Gemini模型，共同开发下一代“Apple Foundation”机型。这意味着什么？简单说，那