字节跳动正酝酿一场AI领域的“豪赌”——计划训练参数规模超过5万亿的超大模型，远超国内阿里Qwen 3.8-Max的2.4万亿和月之暗面K3的2.8万亿。这一动作若落地，将成为国内参数规模最大的模型。尽管项目仍处于早期阶段，但已引发行业对“参数竞赛”的激烈讨论。据内部人士透露，该计划由Seed Foundation负责人项亮牵头，与大语言模型预训练数据负责人沈科共同推进，团队正在重新梳理组织架构，集中资源攻坚。
项亮与沈科均出身字节“搜广推”体系，是AI研发的核心骨干。项亮拥有中科大本科和中科院自动化所博士背景，2016年加入字节后主导过机器学习中台AML团队，后转战豆包大模型；沈科2018年从清华毕业后加入，现负责LLM预训练数据。两人被视为字节在AI领域“技术派”的代表，其合作被寄予厚望。
字节的AI战略并非一帆风顺。今年2月，Seed 2.0语言模型发布后市场反响平平，而同期智谱开源的GLM-5被认为达到国际水平，月之暗面的Kimi K3更在多项评测中接近海外闭源旗舰。这种落差促使团队反思：与其在现有尺寸上追赶，不如直接将参数规模推至行业数倍，试图通过“大力出奇迹”实现弯道超车。一位接近Seed的人士直言：“这像一场赌博，但字节的文化就是如此。”
两周前，字节创始人张一鸣罕见现身Seed全员会，为团队注入信心。他明确表示，训练大模型本就是高难度任务，短期内可接受落后，但目标必须锁定“智能上限世界第一梯队”。针对当前热点，他强调编程（Coding）是关键方向，要求整合火山引擎、飞书和豆包的资源构建算力与数据优势，同时提醒“不要被热点牵着走”。对于模型蒸馏技术，张一鸣持反对态度，认为其虽能短期提升表现，但本质是复制对手能力，难以实现真正超越。他鼓励团队从底层构建AGI壁垒，并承诺未来将继续加大AI投入。
竞争对手的崛起加剧了字节的紧迫感。智谱和月之暗面凭借Coding能力分别实现ARR突破10亿美元和3亿美元，而字节的豆包大模型在这一领域明显滞后。为补足短板，张一鸣亲自邀请DeepSeek核心研究员郭达雅加入，负责专项训练Coding能力，并将相关研发资源统一划归其管理。阿里千问团队也同步加大Coding训练投入，行业竞争进入白热化阶段。
字节的“大力出奇迹”策略在AI领域延续。公司拥有国内最充足的算力储备、领先的基础设施和密集的人才网络，这些成为其底气所在。Seedance的成功验证了这一逻辑：通过极致的预训练优化，其2.0版本成为全球首个完整采用MoE架构的视频生成模型，参数达2000亿，上线后迅速被公认为性能最强。如今，字节试图在语言模型领域复制这一路径——尽管挑战更大：语言模型涉及更复杂的系统工程、海量数据和跨部门协作，远非视频模型可比。
内部变革已在悄然发生。字节高层正推动取消赛马机制，集中资源攻坚同一方向，并尝试打破部门壁垒促进合作。一位前Seed成员评价：“字节的文化不适合颠覆性创新，但擅长解决具体问题。”Seedance已解开视频生成的第一道题，现在，他们试图用同样的方法攻克语言模型的下一道难关。
