曝字節擬訓練超5萬億參數大模型 參數規模超Kimi K3

據《晚點 LatePost》報導，字節跳動內部正在討論一項極具野心的大模型訓練計畫，擬打造一個參數規模超過 5 萬億的巨型語言模型。若此計畫順利推進，該模型將一舉超越阿里巴巴旗下通義千問 Qwen 3.8-Max 的 2.4 萬億參數，以及月之暗面（Moonshot AI）Kimi 背後 K3 模型的 2.8 萬億參數，成為中國已知參數規模最大的大模型。這項討論目前仍處於早期階段，具體的訓練時間表、算力配置以及後續部署方案尚未對外公開，但消息一出已引發業界高度關注。字節跳動近年來在大模型領域的布局日趨積極。

從 2023 年推出「豆包」系列應用，到 2024 年成立專門的 AI 研究團隊，再到旗下火山引擎對外提供大模型服務，字節跳動的 AI 戰略已從單純的應用層快速向上游底層模型延伸。此次傳出參數規模超過 5 萬億的訓練計畫，意味著字節跳動不僅要與國內頭部模型廠商正面競爭，更企圖在參數規模這一關鍵指標上建立領先優勢。在中國大模型「軍備競賽」中，參數規模一直是外界衡量模型能力的重要標尺之一。阿里巴巴的 Qwen 3.8-Max 以 2.4 萬億參數在業界取得先發地位，隨後月之暗面推出的 K3 模型以 2.8 萬億參數刷新紀錄，成為國內已知參數最大的模型。

如今字節跳動若成功訓練出超 5 萬億參數模型，將使中國大模型的參數天花板直接翻倍，並可能帶動新一輪的算力需求與技術競爭。不過，參數規模並非模型能力的唯一決定因素。業界普遍認為，超大規模模型在訓練穩定性、推理成本、以及實際場景中的可用性上面臨巨大挑戰。以 GPT-4 為例，其參數規模傳聞在 1.8 萬億左右，但透過 MoE（混合專家）架構與優化訓練方法，取得了遠超單純參數量級的效果。字節跳動若採用類似技術路線，或許能在不增加過多算力負擔的情況下，實現更高效的模型能力提升。從字節跳動的業務生態來看，超大模型的訓練不僅是為了技術展示，更可能服務於其龐大的內容平台與商業化場景。

抖音、今日頭條、TikTok 等產品每天產生海量的用戶生成內容與互動數據，一個強大的底層模型能夠在推薦系統、內容理解、智能客服、廣告投放等多個環節帶來顯著效率提升。此外，火山引擎對外提供的模型服務也需要持續迭代參數規模與能力，以滿足企業客戶對更高性能 AI 的需求。值得注意的是，訓練超 5 萬億參數的模型需要極其龐大的算力資源與資金投入。目前國內算力供應仍受制於高端 GPU 進口限制，字節跳動是否已儲備足夠的 AI 晶片庫存，或轉向自研晶片與國產替代方案，將直接影響該計畫的可行性。

此前有消息指出，字節跳動已大量採購 NVIDIA H100 與 H800 系列 GPU，並積極布局雲端算力基礎設施，但具體規模仍屬商業機密。另一方面，監管環境也是不可忽視的因素。中國對生成式 AI 服務的監管框架已趨於完善，超大規模模型在訓練數據合規、內容安全、以及算法備案等方面都需要符合相關規定。字節跳動作為頭部互聯網平台，先前已有多款 AI 產品完成備案，此次若啟動超大模型訓練，勢必在合規層面做好充分準備。從時間線來看，目前討論尚處於早期階段，意味著距離實際訓練啟動乃至模型發布仍有相當長的路要走。業界推測，字節跳動可能先進行小規模的技術驗證與架構設計，再逐步擴大訓練規模。

月之暗面與阿里巴巴等競爭對手也不會坐視不管，很可能在近期公布各自的下一代模型規劃，讓這場大模型參數競賽更加白熱化。對於用戶與開發者而言，字節跳動的超大模型若成功落地，將帶來更強勁的 AI 能力，尤其是在多模態理解、長文本生成、複雜推理等高階任務上。同時，超大模型的推理成本如何控制，將直接影響其商業化應用的普及速度。字節跳動過去在成本控制與規模化運營上有豐富經驗，若能將超大模型的推理成本壓低至可接受範圍，將對整個行業產生深遠影響。總體而言，字節跳動擬訓練超 5 萬億參數大模型的消息，不僅是單一公司的技術動向，更反映了中國 AI 大模型領域從「百模大戰」進入「參數軍備賽」新階段的趨勢。

隨著各大廠商持續在參數規模、訓練效率、應用場景上展開競爭，中國大模型的整體水準有望在短期內躍升至世界前列。然而，參數規模的競賽能否轉化為實際的商業價值與用戶體驗提升，仍有待時間檢驗。