字节跳动正酝酿一场大模型领域的“豪赌”。据可靠消息，该公司内部正在讨论训练一个参数规模超过5万亿的模型，这一数字不仅远超国内同行——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），甚至接近国际巨头规划的下一代模型规模。若计划落地，这将成为国内参数规模最大的AI模型。尽管项目仍处于早期阶段，最终能否发布尚未确定，但字节的野心已显露无遗。
这一战略决策的背后，是Seed团队近半年来的焦虑与反思。作为字节大模型研发的核心力量，Seed曾凭借豆包大模型积累超2亿日活用户，但今年2月推出的Seed 2.0语言模型市场反响平平。与此同时，智谱开源的GLM-5被视为国内首个能与Anthropic Opus系列媲美的模型，月之暗面的Kimi K3更在多项评测中接近海外闭源旗舰水平。面对竞争对手的步步紧逼，Seed团队意识到，在现有尺寸上追赶已难突围，唯有将参数规模直接推至行业数倍，才可能实现弯道超车。
新模型的研发由Seed Foundation负责人项亮主导，大语言模型预训练数据负责人沈科协助。两人均出自字节“搜广推”体系，拥有深厚的技术背景：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，2016年加入字节后曾负责机器学习中台AML团队；沈科2018年清华毕业后加入字节，现主导LLM预训练数据工作。为推进项目，Seed正在重新梳理组织架构，明确职责分工，并调配大量资源支持。
字节创始人张一鸣对这一战略给予了直接支持。两周前，他与Seed负责人吴永辉共同召开全员会，安抚团队情绪并明确方向。他坦言，训练大模型本就是高难度任务，短期内落后行业并非不可接受，关键是要以追求智能上限为目标，力争跻身世界第一梯队。针对当前热门的编程（Coding）方向，张一鸣认为应整合火山引擎、飞书和豆包的资源，构建算力和数据优势，但同时提醒团队不要被热点牵制，需关注更广阔的机会。他还特别表扬了Seedance模型的技术独特性，鼓励团队走出自己的路，而非简单追随领先者。
在技术路线上，张一鸣明确反对“模型蒸馏”——即通过压缩大模型生成小模型的方式快速提升性能。他认为，这种方法虽能短期改善表现，但本质是复制他人能力，难以实现真正超越。他希望Seed从更底层的技术维度构建AGI壁垒，而非依赖捷径。这一立场与字节过去半年的技术探索密切相关：尽管内部曾激烈讨论蒸馏的可行性，但高层始终担忧其可能对技术积累造成损害。
Seed的焦虑源于多模态与语言模型发展的失衡。过去半年，其视频生成模型Seedance2.0和图片生成模型Seedream 5.0 Lite表现亮眼，成为火山引擎MaaS业务营收的主力。但同期发布的Seed 2.0语言模型却未能掀起波澜。春节期间，Anthropic凭借Opus系列的Coding能力迅速打开程序员和B端市场，ARR反超OpenAI；国内智谱和月之暗面的模型也在此领域领先。火山引擎作为国内最大的模型API供应商，市场份额虽占一半，但语言模型token消耗占比不高，二季度以来因短剧行业增长放缓和经济环境变化，Seedance的token消耗和收入增速下滑，影响了整体目标达成。
为补足Coding短板，字节采取了一系列激进措施：张一鸣亲自邀请DeepSeek核心研究员郭达雅加入Seed，负责专项训练；整合Coding相关研发资源，统一划归其管理；阿里千问基模团队也同步加大投入。与此同时，字节继续坚持“大力出奇迹”的策略——在AI领域投入最多算力、招聘最多顶尖人才、探索最多业务方向。这种模式在其发展历程中屡试不爽：从2012年同时推出13款应用，到2016年三路齐发短视频产品，再到游戏和教育业务的“广撒网”，字节总能在多个项目中筛选出最终的成功者。
Seedance的成功为这一策略提供了最新注脚。当行业普遍认为传统DiT架构（扩散式Transformer）在视频生成领域的提升空间有限时，Seedance团队反其道而行之，投入更多资金和算力优化预训练。经过近一年努力，其2.0版本成为全球首个完整采用MoE架构的视频模型，参数达2000亿，上线后迅速被公认为性能最强。如今，字节希望在语言模型领域复制这一路径：尽管面临系统工程复杂度激增、数据处理量级跃升等挑战，但公司高层正推动取消内部赛马机制，集中资源攻坚关键方向。
“字节的文化可能不适合创新，但非常擅于解题。”一位前Seed团队成员如此评价。从Seedance突破视频生成瓶颈，到如今押注超大规模语言模型，字节始终在寻找用资源堆砌解决技术难题的路径。这场关于5万亿参数模型的豪赌能否成功，尚需时间验证，但可以确定的是，字节已将所有筹码押在了“大力出奇迹”的牌桌上。
