Čínský startup DeepSeek představil na začátku roku 2026 novou technickou studii, kterou spolupodepsal zakladatel Liang Wenfeng. Studie navrhuje přehodnocení základní architektury používané k trénování AI modelů prostřednictvím metody nazvané "Manifold-Constrained Hyper-Connections" (mHC).
Tým 19 výzkumníků testoval mHC na modelech od 3 do 27 miliard parametrů. Výsledky ukazují, že technika "efektivně umožňuje stabilní trénování ve velkém měřítku s vynikající škálovatelností" při minimálních dodatečných výpočetních nákladech. Analytik Wei Sun z Counterpoint Research označil přístup za "ohromující průlom" - DeepSeek kombinuje různé techniky k minimalizaci nákladů na trénování, přičemž i při mírném zvýšení nákladů může nová metoda přinést výrazně vyšší výkon.
Tato inovace přichází rok po původním "sputnikovém momentu" DeepSeeku, kdy v lednu 2025 představili nízkonákladový generativní AI model srovnatelný s ChatGPT. Očekává se, že DeepSeek vydá svůj další vlajkový model V4 kolem poloviny února 2026, v době čínského Nového roku.
