Engram
DeepSeek-V4.1-Flash引入的模型内部记忆机制，将部分权重容量（197B参数）用作n-gram记忆表，通过查找代替前向计算处理高频语言模式，降低推理成本
核心事实
时间轴 (近 90 天)
Engram 将 AI 定位为拓展人的「新型乐器」而非取代人的「自动作曲机」
音乐科技初创公司 Thoughtful Things 在 Kickstarter 上线了首款硬件乐器 Engram 的众筹项目
Engram 是一台集采样器与节奏工作站于一体的硬件设备，利用 AI 破坏输入音频并生成全新声音
Engram 明确表示自己不是「盒子里的 Suno」，也不是一键出歌的设备
Engram 采用 groovebox 形态呈现 AI 音频处理，强调演奏者在当下做决策而非在软件界面反复调整参数
Engram 采取采样器加节奏工作站的组合，旨在覆盖从声音采集、AI 处理到节奏编排的完整链路
Harvey和Engram用该模型搭建合成律所，250个法律任务平均67分，高于该研究中所有参评模型
DeepSeek-V4.1-Flash 的 KV 缓存压缩至每 Token 890 字节，仅为 V4 Flash 的四分之一
Engram将整个checkpoint中四分之一的容量用作n-gram记忆，规模达到197B参数
Engram通过查找预存的n-gram记忆而非实时计算来处理高频语言模式，将部分语言建模负担从计算转移到内存查表
还有 2 条时间轴事件
全部知识事实 (12)
DeepSeek-V4.1-Flash 的 KV 缓存压缩至每 Token 890 字节，仅为 V4 Flash 的四分之一
65%待验证Engram 采取采样器加节奏工作站的组合，旨在覆盖从声音采集、AI 处理到节奏编排的完整链路
50%待验证Engram 将 AI 定位为拓展人的「新型乐器」而非取代人的「自动作曲机」
50%待验证Engram 是一台集采样器与节奏工作站于一体的硬件设备，利用 AI 破坏输入音频并生成全新声音
50%待验证Engram 明确表示自己不是「盒子里的 Suno」，也不是一键出歌的设备
50%待验证Engram 采用 groovebox 形态呈现 AI 音频处理，强调演奏者在当下做决策而非在软件界面反复调整参数
50%待验证Harvey和Engram用该模型搭建合成律所，250个法律任务平均67分，高于该研究中所有参评模型
50%待验证Engram通过查找预存的n-gram记忆而非实时计算来处理高频语言模式，将部分语言建模负担从计算转移到内存查表
50%待验证Engram是模型内部权重结构的一部分，而非像RAG那样调用外部知识库
50%待验证Engram将整个checkpoint中四分之一的容量用作n-gram记忆，规模达到197B参数
50%待验证Engram术语源于神经科学，由德国动物学家理查德·塞蒙于1904年首次提出，指经验在大脑中留下的物理或化学痕迹
50%待验证音乐科技初创公司 Thoughtful Things 在 Kickstarter 上线了首款硬件乐器 Engram 的众筹项目
50%