据行业内部消息，字节跳动正酝酿一项重大计划——训练一个参数规模突破5万亿的AI大模型，这一数字远超国内现有同类模型。目前已知，阿里巴巴的Qwen 3.8-Max参数规模为2.4万亿，月之暗面的K3模型则达到2.8万亿，而字节跳动的新模型若成功落地，将成为国内参数规模之最。尽管模型规模与智能水平通常呈正相关，但该项目仍处于早期探索阶段。
该项目的核心推动者是字节跳动AI研发体系中的两位关键人物：Seed Foundation负责人项亮与大语言模型预训练数据负责人沈科。项亮拥有中国科学技术大学本科学位与中国科学院自动化研究所博士学位，2016年加入字节后，曾主导机器学习中台AML团队建设，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直接入职字节，目前专注于LLM预训练数据的优化工作。两人均出身于字节的“搜广推”（搜索、广告、推荐）技术体系，具备深厚的工程化经验。
多位字节内部人士透露，今年上半年，Seed团队多次进行内部复盘，反思现有技术路径的局限性。这种反思直接推动了超大规模模型计划的提出。有员工直言，将参数规模直接提升至行业数倍的做法“风险极高”，类似一场技术豪赌。但也有观点认为，在AI竞赛日益激烈的背景下，这种激进策略可能是突破同质化竞争的关键。
两周前的Seed全员会议上，字节跳动创始人张一鸣罕见地公开表态。他承认训练大模型面临巨大挑战，并明确表示允许团队在短期内落后于行业水平，但要求以“追求智能上限”为核心目标，期待Seed模型未来能跻身全球第一梯队。这一表态被解读为对团队长期技术投入的坚定支持。
张一鸣在会议中特别强调了编程方向的重要性，并明确反对“模型蒸馏”技术路线。他认为，蒸馏虽然能快速提升模型表现，但本质上是对现有模型（如Claude）能力的复制，这种路径最多只能无限接近对手，却难以实现真正超越。这一观点与当前部分企业通过压缩大模型来降低部署成本的策略形成鲜明对比，凸显了字节跳动在技术路线选择上的差异化立场。
