DeepSeek技术爆发：V4架构即将登场，重塑大模型未来

摘要：

早在2025年11月，DeepSeek就因团队扩张而开放行政招聘，以迎接更多合作伙伴的加入。

尽管距离春节尚早，科技圈已步入假期模式，但DeepSeek却选择在这个时间点上不断突破自我。

近日，DeepSeek在GitHub上开源了新模块Engram的代码，并发布了《Conditional Memory via Scalable Lookup》论文。更早之前，元旦当天还发布了《mHC》论文，探讨模型架构的稳定性。

这些论文的作者名单中，都出现了DeepSeek创始人梁文锋的名字。这种高密度的技术输出，无疑在向外界传递一个明确信号：在沉默的这段时间里，DeepSeek并没有休息，他们在为下一代模型积攒弹药。

旺盛的招聘需求似乎印证了这一点。凤凰网科技发现，DeepSeek近期正在大量招人，涵盖了深度学习研究员、深度学习研发工程师、大模型全栈工程师等核心岗位。且校招、社招、实习均开放，另有产品、设计、数据等岗位开放。

值得一提的是，根据此前梁文锋署名的论文作者名单，整个DeepSeek的人员稳定性极高，此次招聘主要是扩招需求。此外，大部分岗位都可以在北京或杭州工作。

梁文锋已提前开启“春节档”

就在全行业都在盘点2025年应用层得失的时候，DeepSeek把目光锁在了架构层。

最新发布的Engram研究是与北京大学合作完成的。这项研究直指当前Transformer架构的一个痛点：大模型虽然通过MoE实现了“条件计算”，但缺乏原生的“条件记忆”。现在的模型记东西太笨，只能靠计算来模拟检索。DeepSeek提出的Engram模块，要给大模型装上一个外挂式的“硬盘”，让它能像查字典一样，以O(1)的时间复杂度调取知识。

元旦发布的《mHC：流形约束超连接》中，梁文锋和他的团队解决了另一个问题——超大规模模型的训练稳定性。随着模型越来越大，传统的残差连接开始失效，训练容易崩溃。DeepSeek用一套数学方法，把神经网络的连接方式约束在特定的流形空间里，恢复了信息传递的稳定性。

V4真的要来了？

现在高潮或许快来了，所有的线索都指向了同一个方向：DeepSeek V4。

如果我们把这两篇论文叠加在一起看，V4的轮廓已经呼之欲出。它不会是一个单纯堆砌参数的庞然大物，而是一个架构精巧的“缝合怪”：它将拥有MoE带来的极致计算效率，同时集成了Engram带来的海量低成本记忆，底层则由mHC架构支撑其在超大规模下的训练稳定性。

Engram的论文中提到了一个细节：这种架构支持“预取-重叠”策略，可以利用CPU内存来存知识。这意味着V4极有可能在保持推理成本低廉的同时，拥有远超当前一代模型的知识容量和长上下文处理能力。

此外，mHC的成功验证意味着DeepSeek已经掌握了训练更大规模多模态模型的“稳定器”。对于算力资源本就不富裕的国内AI圈，这种算法层面的效率提升具有战略意义。