字节跳动正试图实现弯道超车。

文丨陈佳惠 高洪浩

编辑丨高洪浩

据《晚点 LatePost》独家获悉，字节跳动内部正在酝酿训练一款参数规模突破 5 万亿的大模型。这一体量不仅超越了阿里发布的 Qwen 3.8-Max（含 2.4 万亿参数），也超过了月之暗面的 K3（含 2.8 万亿参数），成为目前国内已知参数规模最大的模型。业界通常认为，模型规模越大，其智能水平往往越高。不过需要指出的是，该计划尚处于早期探索阶段，最终是否发布仍存变数。

这款新模型将由 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紧密协作。为此，Seed 团队正在进行组织架构的重塑，重新划分职责边界并调配资源。

项亮与沈科均为字节跳动人工智能及大模型研发体系中的核心人物，两人均出身于字节的“搜广推”体系。项亮本科毕业于中国科学技术大学，博士就读于中科院自动化所，于 2016 年加入字节跳动，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。沈科则在 2018 年从清华大学毕业后加入字节跳动，目前主要掌管 LLM 预训练数据工作。

自字节跳动进军大模型领域以来，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。但进入今年，质疑声开始浮现。

2 月中旬，由吴永辉执掌 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。几乎在同一时间点，智谱开源的 GLM-5 被市场视为国内首个能与 Anthropic Opus 系列相提并论的模型；到了 7 月，月之暗面发布 Kimi K3，多项第三方评测显示，其表现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。这也是字节讨论训练超 5 万亿参数模型的原因之一：与其在现有尺寸上继续追赶，不如将参数规模一次性推向同行的数倍，以争取领先地位。“这就像一场赌博。”一位接近 Seed 的人士坦言。

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一场 Seed 全员会（All Hands）。久未公开露面的张一鸣在会上明确表达了对 Seed 的支持。我们独家了解到会议的几个关键点：

张一鸣在会上安抚了 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，在一定时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，因此强调必须整合火山引擎、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，编程只是当下的热点之一，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具特色，且具备领先的技术优势。相较于追随其他领先模型的既有路线，他更鼓励 Seed 打造出具有自身特色的模型。

此外，张一鸣还谈及了对模型蒸馏的看法。他反对采用蒸馏技术，认为虽然蒸馏能在短期内改善模型表现，但本质上只是在复制 Claude 已有的能力。沿着这条路走下去，最多只能不断逼近对手，很难真正实现超越。他也希望 Seed 能从更底层的维度去构建自己在 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，这种投入还将持续增加。

过去半年的 Seed：多模态领跑，大语言模型追赶

在过去半年中，Seed 在多模态模型方面取得了显著成绩。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，声量超过业内其他同类模型。其中，Seedance 2.0 已成为火山引擎 MaaS 业务营收的基本盘。

同期发布的语言模型 Seed 2.0，市场反响则较为有限。它曾因较好地承接春节期间涌入的 C 端需求而在内部获得好评。但在春节期间的竞争中，Anthropic 凭借 Opus 系列的 Coding 能力迅速打开程序员和 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 K 2.5 的 Coding 能力也已明显领先。

模型能力的滞后直接影响了收入端的表现。据我们了解，火山引擎目前是国内最大的模型 API 卖家，市场份额约占一半。火山引擎 2025 年的收入约为 150 亿元，而今年内部设定的目标是超过 400 亿元。目标虽宏大，但并非没有隐忧。

火山引擎的 token 消耗情况能够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 两个多模态生成模型系列，语言模型的占比并不高。

二季度以来，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。

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

为了弥补 Coding 能力的短板，张一鸣亲自邀请并高薪吸引 DeepSeek 核心研究员郭达雅加入 Seed，负责模型 Coding 能力的专项训练。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。

训练好模型的关键在于数据。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。但仅有这些还不够。

我们了解到，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 的全员会议上明确表示，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，也不会采用这一捷径来推进其 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。

在模型研发方面，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和高密度的人才队伍，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

字节自成立之初便推崇“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，最后内涵段子、今日头条获得大量用户，推动了整个公司的增长。2015 年开始，字节跳动陆续推出 20 多个应用进入海外市场；2016 年用“火山”、“抖音”、“西瓜”三路齐下短视频。最终，字节跳动在收获今日头条后的增长曲线——抖音及 TikTok。后来的游戏和教育业务也延续了这个模式，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、拥有的 GPU 卡最多、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，但没有做到极致，中途退了回去。

Seedance 选择反着来。他们决定投入更多资金和算力，把预训练做到极致。经过近一年优化，Seedance 2.0 成为第一个完整采用 MoE 架构的视频生成模型，参数量为 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。

今天，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，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。

这不是件容易的事。视频模型整体所需的资源不算多，比如对推理芯片的要求低、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涉及到除了算法层面的创新之外，团队还要面临处理完全不同量级的系统工程，更大量、更多样的数据，以及需要组织各个部门之间深度配合。

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，收拢在同一个方向上的资源，即使工作上有重合的地方也尽力明确划分职责。Seed 也尝试打破部门墙，让不同部门之间的人合作起来。

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，但非常擅于解题。”Seedance 解开了第一道题，字节现在想用同样的方法解下一道。

题图《壮志凌云 2：独行侠》