字节跳动正试图在人工智能赛道实现“弯道超车”。
据《晚点 LatePost》独家获悉，字节内部正在研讨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通义千问 Qwen 3.8-Max（2.4万亿参数）和月之暗面 Kimi K3（2.8万亿参数），更成为目前国内已知参数规模最大的模型。按照行业常规逻辑，模型规模越大，其智能水平往往越高。不过，该计划目前尚处于早期筹备阶段，并不意味着最终一定会落地发布。
这项新模型的攻关将由 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 团队正在重新梳理组织架构，明确职责边界，并集中分配核心资源。
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骨干，两人皆出身于字节的“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年加入字节跳动。他此前曾负责机器学习平台 AML 团队，随后调任豆包大模型 Foundation 团队担任负责人。沈科则于 2018年从清华大学毕业后加入字节跳动，目前主要负责 LLM 预训练数据的构建与管理。
自字节跳动入局大模型领域以来，Seed 一直被视为国内最具潜力的团队之一。豆包如今拥有超过 2 亿日活跃用户的庞大体量，很大程度上得益于 Seed 的技术支撑。然而，今年开始，外界对 Seed 的质疑声逐渐增多。
今年 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，但市场反响平平。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，其能力已接近海外闭源旗舰产品。
多位接近字节的人士透露，上半年，Seed 内部多个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。“这就像是一场豪赌。”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集了一场 Seed 全员会（All Hands）。许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核心内容：
- 张一鸣在现场安抚了 Seed 成员的情绪。他认为，训练大模型本就是一项极具挑战性的工作，团队无需过度焦虑。他明确表示，在一段时间内可以接受模型落后于行业平均水平，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，唯有如此才能在算力和数据上构筑优势。但他也提醒，编程仅是当下的热点之一，不应完全被其牵着鼻子走，编程之外还存在更多更大的机会。
- 张一鸣对 Seedance 给予了高度评价，认为该模型在市场上具有独特性，并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改善模型表现，但本质上仍是在复制 Claude 已有的能力。沿此路径发展，最多只能不断逼近对方，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，还将继续增加投入。
**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 的多模态模型取得了显著成绩。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 声势一度盖过业内同类竞品，迅速引发广泛关注。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，市场反响却相对有限。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，其年度经常性收入（ARR）很快逼近并反超 OpenAI。中国大厂这才意识到，自己错失了 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表现。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，但并非没有隐忧。
火山引擎的 Token 消耗量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，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宏观经济环境的变化，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 月份为 120 万亿，6 月份为 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，张一鸣亲自邀请高薪招募 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。
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 和技术带来危害。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，也不会利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**
自成立伊始，字节跳动便推崇“大力出奇迹”的理念：进入一个领域时，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，推动整个公司增长。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。最后，字节跳动在收获了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 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 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》
