DeepSeek研究团队近日发布了一篇题为《mHC: Manifold-Constrained Hyper-Connections》（《流形约束超连接》）的论文，正式推出全新网络架构——mHC。该设计致力于解决大模型训练中普遍存在的不稳定性难题，有望为未来基础模型架构的升级提供关键思路。

论文作者名单中，DeepSeek创始人兼CEO梁文锋作为联合作者参与，核心研发工作由解振达、魏毅轩与曹焕琪主导完成。

论文链接：https://www.php.cn/link/df4940468534f2c23ad26a7e9c1aba46

据论文披露，mHC通过引入严格的数学约束机制（例如由双随机矩阵定义的流形结构），将传统超连接模块中潜在的信号放大效应从高达3000倍大幅压缩至仅约1.6倍，从而在根本上抑制了梯度爆炸与数值震荡，显著增强训练鲁棒性，同时不牺牲模型表达能力。实测表明，在27B参数规模模型上，采用mHC后推理准确率提升约7%，而训练耗时仅增加6.7%，达成了“低开销、高回报”的协同优化目标。

结合文中提到的“内部多轮大规模验证”以及DeepSeek过往产品迭代节奏，业界普遍预期其下一代旗舰模型V4或将支持长达100万token的上下文窗口，深度适配国产AI加速芯片，并初步集成多模态理解与生成能力。发布时间预计锁定在2026年2月初，借势春节用户活跃高峰集中展示技术突破。

源码地址：点击下载