北京，字节跳动总部。深夜的会议室里灯还亮着。
桌上散落着几份标注了”机密”的技术路线图，白板上画满了参数规模对比柱状图。有人在最上方写了一行字，用红色马克笔加粗圈了三遍：5万亿。
这不是电影场景。据多方消息透露，字节跳动正在内部讨论训练一个超过5万亿参数的大语言模型。如果落地，它将超越阿里通义千问的2.4万亿和月之暗面Kimi K3的2.8万亿，成为中国有史以来最大的AI模型。项目由Seed团队负责人项亮牵头，目前处于早期阶段，暂无发布时间表。
但真正引起震动的，不是参数数字本身。
而是张一鸣的一句内部表态。
📖 “禁止蒸馏”：一个创始人的偏执与清醒
据知情人士透露，张一鸣在内部明确表态：拒绝用蒸馏其他模型来刷榜。哪怕暂时落后，也要坚持长期主义。
这句话在AI行业掀起了不小的波澜。要知道，2025年到2026年，”蒸馏”几乎成了中国大模型圈的公开秘密。用GPT-5.6或Claude的输出做训练数据，快速把自家模型拉到接近前者的水平，然后跑分、发榜、喊”超越”——这条捷径，无数团队走过。
短期看，效果立竿见影。排行榜上中国模型扎堆前列，投资人看了高兴，市场声量也上去了。
但代价是什么？
模型的底层能力天花板，被锁死在”老师”的水平上。你可以模仿老师的答案，但学不会老师的思考方式。当真正的复杂推理、长程任务、多步规划这些”硬骨头”出现时，蒸馏模型的脆弱性就暴露无遗。
张一鸣显然看到了这一点。5万亿参数不只是一个数字竞赛，它的潜台词是：字节要用自主训练的底座能力，而不是蒸馏来的二手能力，去争夺AI时代的核心技术话语权。
⚡ 5万亿参数背后：百万级GPU的烧钱游戏
让我们拆解一下5万亿参数到底意味着什么。
先看横向对比。当前中国最大的模型是月之暗面的Kimi K3，参数量2.8万亿。阿里通义千问的最新版本约2.4万亿。字节的目标是直接跳到5万亿以上，几乎是现有最大模型的将近两倍。
再看训练成本。按照目前主流大模型的参数与算力换算关系，5万亿参数的模型，训练阶段至少需要百万级GPU集群持续运行数月。以英伟达H100的单卡价格约3万美元计算，仅GPU采购成本就在30亿美元以上。加上电力、机房、网络、人力，总投入轻松突破50亿美元。
这个数字什么概念？
相当于字节跳动2025年全年净利润的相当一部分。这不是买几台服务器的钱，这是一场all in的豪赌。
但字节有钱。2025年营收超过1500亿美元，现金流充沛。而且字节不缺卡——过去两年，字节是英伟达在中国最大的客户之一，囤积了大量高端GPU。甚至有传闻称，字节在海外通过中间渠道额外采购了大量算力资源。这些”弹药”，正是为5万亿参数模型准备的。
🔮 项亮与Seed团队：字节AI的”特种部队”
项目牵头人项亮，在AI圈内并非家喻户晓，但在推荐系统和机器学习领域是公认的顶尖专家。他曾是中科大教授，在推荐系统、在线学习等领域发表过大量高引用论文。加入字节后，他领导的Seed团队，是字节AI研究的核心力量。
Seed团队的定位很特殊。它不是做基础研究的实验室，也不是直接做产品的工程团队，而是介于两者之间——做能落地的前沿技术研究。从推荐算法到大模型训练，Seed团队的产出贯穿了字节的核心业务线。
把5万亿参数项目交给项亮，信号很明确：字节不打算让这个项目变成纯学术研究，而是要从第一天起就瞄准实际应用。抖音的推荐、豆包的对话、剪映的创作——这些场景都需要更强的底层模型支撑。
时间线也很清晰。2025年下半年，字节开始大规模招聘大模型训练人才；2026年初，豆包大模型多次迭代；2026年8月，5万亿参数项目浮出水面。每一步都在按计划推进。
🌍 全球参数竞赛：不只是中国内部的事
字节的目标，不能只放在中国语境下看。全球范围内，大模型参数竞赛正在进入新阶段。
OpenAI的GPT-5.6系列参数量约3万亿。Anthropic的Claude Fable 5参数量约2.5万亿。谷歌的Gemini Ultra参数量据传在3-4万亿之间。字节的5万亿，如果落地，将直接登顶全球最大模型。
但”最大”不等于”最强”。Hugging Face的报告指出，2026年以来中国模型在参数规模上确实领先美国，但参数规模和实际性能之间的相关性，正在被不断质疑。DeepSeek用相对较小的参数量实现了接近Claude的性能，Qwen3.8-27B仅用270亿参数就超越了自家更大参数的Plus版本——这些案例都在说明同一件事：后训练、数据质量、架构创新，正在比单纯堆参数更重要。
张一鸣禁止蒸馏，某种程度上也是在回应这个趋势。如果不蒸馏，就必须靠自己的数据和训练方法把模型能力提上去。这意味着字节需要在数据质量、训练策略、架构设计上投入远超蒸馏路线的精力。
慢吗？当然慢。
但张一鸣显然认为，值得。
⏳ 时间表与风险：5万亿参数的”未解之谜”
目前这个项目最大的悬念，是时间表。
知情人士透露，项目”目前处于早期阶段，暂无发布时间表”。在AI行业，”早期阶段”意味着模型架构可能还没最终定稿，训练可能还没正式开始，或者刚刚启动预训练阶段。从启动训练到模型发布，5万亿参数规模至少需要6-12个月。
也就是说，即使一切顺利，最早也要到2027年才能看到成果。
这期间的风险不容忽视。训练过程中可能出现loss spike导致训练崩溃，GPU集群可能因散热或供电问题中断，竞争对手可能提前发布同级别模型抢占声量。更关键的是，AI技术迭代速度极快——今天的前沿架构，一年后可能就已经过时。
字节不是没有失败的前例。豆包大模型虽然迭代频繁，但在C端市场的份额远不及预期，被DeepSeek和Kimi甩在身后。字节花重金投入的大模型研发，能否转化为真正的市场竞争力，仍是未知数。
💡 一个时代的注脚
张一鸣的那句”哪怕暂时落后也要坚持长期主义”，放在当下中国AI行业的语境里，显得格外意味深长。
这是一个所有人都急于证明”我最强”的时代。每周都有新模型发布，每月都有”超越GPT”的标题，每个季度都有估值翻倍的公司。在这样喧嚣的环境里，有人愿意为”不蒸馏”这个原则按下暂停键，本身就需要勇气。
5万亿参数的故事，最终可能成功，也可能因为各种原因搁浅。但它传递的信号已经足够清晰：在中国AI产业最热闹的赛道上，至少有人选择了一条更难但更远的路。
张一鸣说过一句话：”延迟满足感，是优秀与平庸的分水岭。”
5万亿参数，或许就是字节对这句话的最新注解。
