独家｜前DeepSeek核心研究员魏浩然出任百度文心多模态算法负责人

作者 | 四月

9月3日消息，据知情人士透露，原DeepSeek核心研究员魏浩然已于近日带队转入百度基础模型研发部，出任文心大模型多模态算法负责人。

这是近期百度大力布局大模型青年顶尖研发人才的又一动作。今年7月，出生于 1997 年、曾主导国内首个开源对话模型复旦 MOSS 研发的青年学者孙天祥出任百度基础模型研发部（BMU）负责人，随后进驻百度模型委员会（BMC）与技术战略委员会（TSC）。

从孙天祥统管通用基座，到魏浩然挂帅多模态算法，可以看到，百度的模型研发中枢正加速向青年技术骨干倾斜。

多模态战绩突出

在大模型向更深层次通用智能演进的路径中，多模态能力已被公认为决定模型上限的核心支柱之一。而魏浩然身上最鲜明的技术标签，正是多模态与端到端 OCR 的底层重构。

据了解，魏浩然于今年上半年加入百度，此前主要负责OCR等多模态方向研发。入职后，他带领团队在端到端文档感知领域取得了重大突破，并于2026年6月22日开源了Unlimited OCR模型。该模型在业内权威的文档理解评测基准 OmniDocBench 测试中取得了全球第一的成绩，刷新了端到端OCR性能的SOTA纪录，登上GitHub和Hugging Face多个趋势榜单。

公开资料显示，魏浩然2023年博士毕业于中国科学院大学，此后长期专注于视觉语言模型（VLM）和文档智能研究。在加入 DeepSeek 之前，他曾供职阶跃星辰（StepFun）等公司，主导并参与了 Vary、GOT-OCR 2.0 等多项业内代表性工作。

进入DeepSeek后，魏浩然进一步成为DeepSeek-OCR路线的核心研究者。在2025 年 10 月发布的《DeepSeek-OCR: Contexts Optical Compression》、2026年1月发布的《DeepSeek-OCR 2: Visual Causal Flow》论文中，魏浩然均为第一作者。该工作在学术界和工业界引发高度关注，它没有局限于字符识别精度的提升，而是率先提出了“利用视觉表征极限压缩长文本信息”的全新技术思路。

模型通过自主研发的 DeepEncoder，将传统方法中成千上万个文本 Token 压缩为数量大幅减少的紧凑视觉 Token；在压缩率低于 10 倍的极端条件下，模型依然能够保持约 97% 的 OCR 解码准确率。这一探索为解决大模型长上下文输入时的显存暴涨与计算开销过大问题，开辟了一条极具想象力的高效路径。

除了OCR专项模型，魏浩然也参与过DeepSeek通用基础模型研发。在DeepSeek V3.2作者名单中可以找到他的名字；今年4月发布的DeepSeek V4技术报告中，魏浩然同样位列作者，但已经被标注为离职成员（标星为离职人员）。

青年骨干接管研发体系

魏浩然的调整发生在百度大模型组织持续变动的背景下。

2025年11月，百度新设基础模型研发部BMU和应用模型研发部AMU，将底座模型与应用模型研发进一步拆分。其中BMU负责高智能、可扩展的通用基础模型，AMU则更多面向具体业务和场景进行模型研发。

今年5月，百度又成立模型委员会BMC，进一步统一模型技术路线、训练和业务落地。

7月1日，复旦 MOSS 大模型核心第一作者、前 AI4S 创业公司“日行迹”创始人孙天祥正式加盟百度，执掌 BMU 并进入 BMC；7 月底百度技术战略委员会（TSC）换届，孙天祥等一线青年技术专家进一步进入 TSC，标志着百度基础模型的技术决策权正式完成向新生代实战学者的交接。

在这一背景下，魏浩然此次带队进入 BMU，本质上是孙天祥全面接手基础模型部门后，文心作为研发阵地重新集结的关键拼图。

另据网络流传信息，孙天祥近期还在内部宣布引入一名花名为“武钦”的研究人员，此前曾在北美某顶级前沿实验室参与数代核心大模型的研发与迭代，未来将协同团队加强文心大模型预训练能力的底层建设。

声明：本文为 AI 前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。

今日荐文

你也「在看」吗？