字节跳动正谋划一场“弯道超车”。

文丨陈佳惠 高洪浩

编辑丨高洪浩

《晚点 LatePost》获悉，字节跳动内部正在探讨训练一个参数量突破 5 万亿的大模型。这一规模不仅超越了阿里的 Qwen 3.8-Max（2.4 万亿参数）和月之暗面的 K3（2.8 万亿参数），更成为目前已知国内参数体量最大的模型。一般而言，模型规模与智能水平呈正相关。不过，该计划尚处早期阶段，最终是否发布仍存变数。

新模型将由 Seed Foundation 负责人项亮牵头，并与大语言模型预训练数据负责人沈科协同推进。为此，Seed 团队正在重构组织架构，重新划分职责并调配资源。

项亮与沈科均为字节人工智能及大模型研发体系的核心骨干，且均出身于字节的 “搜广推” 体系。项亮本科毕业于中国科学技术大学，后在中科院自动化所攻读博士，2016 年加入字节。他曾负责机器学习平台 AML 团队，后转任豆包大模型 Foundation 团队负责人。沈科则于 2018 年从清华大学毕业后加入字节，目前主要掌管 LLM 预训练数据工作。

自字节入局大模型领域以来，Seed 一直被视作国内最具潜力的团队之一。豆包如今拥有超过 2 亿日活用户，很大程度上得益于 Seed 的贡献。但今年，质疑声开始浮现。

2 月中旬，吴永辉执掌 Seed 后推出的关键模型 Seed 2.0 正式发布，市场反响却相对平淡。几乎在同一时间，智谱开源的 GLM-5 被业界视为国内首个能与 Anthropic Opus 系列抗衡的模型；到了 7 月，月之暗面发布 Kimi K3，多项第三方评测显示其能力已接近海外闭源旗舰产品。

多位字节内部人士透露，上半年 Seed 许多团队都在进行深刻反思。这也是字节决定训练超 5 万亿参数模型的原因之一：与其在现有尺寸上步步紧追，不如将参数规模一次性推至同行的数倍，以此争取领先身位。“这就像一场赌博。”一位接近 Seed 的人士表示。

就在两周前，字节跳动创始人张一鸣与 Seed 负责人吴永辉共同召开了 Seed 全员会（All Hands）。久未公开露面的张一鸣在会上表达了对 Seed 的支持。我们独家了解到会议要点如下：

- 张一鸣安抚了 Seed 成员的情绪。他认为，训练大模型本身就极具挑战性，团队无需过度焦虑。他明确表示，短期内可以接受模型落后于行业现状，希望大家以追求智能上限为目标，期待 Seed 模型的能力能跻身世界第一梯队。

- 他认可编程（Coding）是当前的重要方向，因此主张整合火山引擎、飞书和豆包的资源，唯有如此才能构筑起算力和数据上的优势。但他同时提醒，编程仅是当下的热点之一，不应完全被其牵着鼻子走，编程之外还有更多更大的机会等待挖掘。

- 张一鸣对 Seedance 给予了表扬，认为该模型在市场上独树一帜，具备领先的技术优势。相比追随其他领先模型的既定路线，他更鼓励 Seed 打造具有自身特色的模型。

- 关于模型蒸馏，张一鸣表达了反对意见。他认为，蒸馏虽能在短期内提升模型表现，但本质上是在复制 Claude 已有的能力。沿此路径前行，最多只能不断逼近对手，难以实现真正的超越。他也希望 Seed 能从更底层的维度构建自己在 AGI 领域的壁垒。

- 过去几年，字节已在 AI 方向投入大量资源；未来，投入力度还将加大。

回顾过去半年：多模态领跑，大语言模型追赶

在过去半年里，Seed 在多模态模型方面取得了显著进展。今年 2 月上线的视频生成模型 Seedance 2.0 和图片生成模型 Seedream 5.0 Lite 一度引发广泛关注，声量甚至超过了业内同类模型。其中，Seedance 2.0 已成为火山引擎 MaaS 业务营收的基本盘。

相比之下，同期发布的语言模型 Seed 2.0 市场反响有限。虽然它在春节期间因较好地承接了涌入的 C 端需求而在内部获得好评，但春节大战中，Anthropic 凭借 Opus 系列的 Coding 能力迅速打开了程序员和 B 端市场，ARR 很快逼近并反超 OpenAI。中国大厂这才意识到，自己错过了 Coding 的窗口期。与此同时，GLM-5 和 Kimi K2.5 的 Coding 能力也已明显领先。

模型能力的落后直接影响了收入端。据我们了解，火山引擎目前是国内最大的模型 API 供应商，市场份额约占一半。火山引擎 2025 年的收入预计约为 150 亿元，而今年内部设定的目标是超过 400 亿元。目标虽宏大，但隐忧并存。

火山引擎的 token 消耗情况能反映商业化的增长态势。多位接近火山引擎的人士告诉我们，在豆包大模型的 token 消耗中，超过一半来自 Seedance 和 Seedream 这两个多模态生成模型系列，语言模型占比不高。

进入二季度后，随着短剧行业增长见顶以及经济大环境的变化，Seedance 的 token 消耗和收入增速放缓，进而影响了火山 MaaS 的整体 token 增长——豆包大模型的 token 消耗，3 月为 120 万亿，6 月为 180 万亿，低于原计划的 250 万亿至 300 万亿目标。

智谱和月之暗面则凭借持续提升的 Coding 能力，ARR 分别突破了 10 亿美元和 3 亿美元。

为了补齐 Coding 能力的短板，张一鸣亲自出面，高薪吸引 DeepSeek 核心研究员郭达雅加入 Seed，专门负责模型 Coding 能力的训练。字节将 Coding 相关的研发资源收拢整合，统一划归给郭达雅。同期，阿里千问基模团队也投入了更多资源和人力专攻 Coding 训练。

训练好的模型，数据至关重要。大公司可以通过推动内部业务线使用自研模型进行开发，从而形成真实场景的反馈数据。但这还不够。

据我们了解，Seed 内部曾激烈讨论过蒸馏路线的可行性，但字节高层担心蒸馏会对 Seed 及技术带来危害。据 The Information 报道，张一鸣在 Seed 的全员会上明确表示，即使不采用蒸馏意味着公司在技术上会短暂落后于国内竞争对手，也不会选择这条捷径来推进 AI 模型能力。

8 月 6 日，字节跳动举行公司全员会。豆包负责人赵祺在会上表示，大模型的市场潜力巨大，因此并不担心经济回报，但收入依然重要。

在模型研发上，字节拥有国内最充足的算力储备、业内领先的基础设施能力以及高密度的人才队伍，这些构成了它的底气。Seedance 的成功也让字节看到，一旦模型能力领先，便能迅速转化为商业护城河。

一位字节人士指出，Seedance 证明了用户会自然流向能力最强的产品。只要能在关键节点做到行业第一，就有机会快速抢占市场，因此不必过度焦虑于短期的排名落后。

继续“大力出奇迹”

自成立之初，字节跳动便推崇“大力出奇迹”的理念：进入一个新领域时，通常会成立不止一个团队，投入大量资源，同时推进多个项目。

2012 年，字节跳动刚成立时，上架了 13 个应用，最终内涵段子、今日头条获得了大量用户，推动了整个公司的增长。2015 年开始，字节跳动陆续推出 20 多个应用进军海外市场；2016 年用“火山”、“抖音”、“西瓜”三路齐下布局短视频。最终，字节跳动收获了一条新的增长曲线——抖音及 TikTok。后来的游戏和教育业务也延续了这一模式，推出了数十款游戏和应用。

在 AI 领域，字节也是投入最坚决的一家公司，资本开支最大、拥有最多的 GPU 卡、招聘了最多的顶尖人才，穷尽所有业务方向，不放过任何可能性。

2025 年，视频生成领域的主流判断是：沿传统 DiT 架构（扩散式 Transformer）继续扩大预训练，提升空间已经不大，多数团队把重心转向后训练。据我们了解，快手可灵也曾尝试训练更大的模型，但未做到极致，中途退回了。

Seedance 选择了反向操作。他们决定投入更多资金和算力，将预训练做到极致。经过近一年的优化，Seedance 2.0 成为第一个完整采用 MoE 架构的视频生成模型，参数达到 2000 亿。2026 年 2 月上线后，它迅速被公认为全球性能最强的视频模型。

如今，做大模型尺寸已成为行业共识：7 月，月之暗面发布了 2.8 万亿参数的 Kimi K3，这是国内迄今最大的开源模型；马斯克的 xAI 把 Grok 底座从 5000 亿参数扩到 1.5 万亿，并称下一代要做到 6 万亿；OpenAI 与 Anthropic 也曾传出要训练更大尺寸的模型。在语言模型上落后的字节，想用同样的方式赌一把弯道超车。

这并非易事。视频模型整体所需的资源不算多，例如对推理芯片的要求较低、研发人力也更便宜——Seedance 核心算法成员仅十余人。但更大参数的语言模型除了涉及算法层面的创新外，团队还要面对完全不同量级的系统工程、更大量且多样的数据，以及需要组织各部门之间的深度配合。

不过，变化正在发生。字节高层在 Seed 内部极力推动取消赛马机制，收拢指向同一方向的资源，即使工作上有重合之处，也尽力明确划分职责。Seed 也在尝试打破部门墙，促进不同部门间的人员合作。

一位曾在 Seed 工作过的人士提到：“字节的文化可能不适合创新，但非常擅长解题。”Seedance 解开了第一道题，字节现在想用同样的方法解开下一道。

题图《壮志凌云 2：独行侠》