消息稱字節跳動豆包大模型 2.2 將推遲發佈，原計劃 8 月推出
字節跳動旗下的人工智慧大模型「豆包」傳出產品迭代時程出現變動。根據業界最新消息，原先規劃於今年八月正式推出的豆包大模型 2.2 版本，目前已確定延期上市，不再依照原訂時間表對外發布。此消息一出，立即引起人工智慧開發社群與科技產業的高度關注，外界也持續觀察這款備受矚目的模型後續動向。據了解，豆包大模型 2.2 原本被視為字節跳動今年下半年在人工智慧領域的重要布局之一。由於豆包系列模型過去在中文理解、內容生成以及多輪對話等任務上展現出一定競爭力，因此市場對於新一代版本的效能提升原本抱持高度期待。此次傳出延後發布，也讓不少開發者與企業用戶開始重新評估相關應用程式的更新時程。
多位接近字節跳動內部的業界人士透露，這次豆包大模型 2.2 的延期，並非因為遭遇技術瓶頸或突發性的開發障礙，而是字節跳動團隊主動調整了整體開發節奏。換句話說，這是一次經過內部審慎評估後所作出的策略性決定，而非被迫因應外部壓力或緊急狀況的權宜之計。團隊希望透過更為充分的時間，確保模型在正式上線前能夠具備更成熟的表現。內部訊息指出，字節跳動此次決定延後發布，主要目的在於爭取更多時間，以完成更完整的預訓練與後訓練階段。這兩階段對大型語言模型的整體品質具有關鍵影響，尤其是後訓練階段的微調與對齊工作，往往決定了模型在實際應用情境中的穩定性與可靠性。
透過拉長訓練時程，團隊希望能夠讓模型在面對複雜任務時，展現出更細膩且準確的反應能力。據了解，字節跳動此次特別希望強化豆包大模型 2.2 在幾項進階能力上的表現，其中包含程式編寫、工具調用以及 AI Agent 等新興應用場景。程式編寫能力向來是各家大模型競逐的重點領域，能否準確產生可執行的程式碼、理解開發者意圖並提供有效的除錯建議，已成為評估模型實用性的重要指標。字節跳動顯然希望在這個領域上，讓豆包大模型擁有更突出的競爭優勢。工具調用能力則是另一項備受關注的焦點。近年來，大型語言模型不再僅限於單純的文字對答，而是逐漸發展為能夠串接外部應用程式、資料庫與各類服務的智慧中樞。
模型是否能正確理解工具的使用時機、參數格式與回傳資料，直接影響到自動化流程的執行效率。字節跳動有意藉由更充分的訓練，強化模型在真實工作環境中與各類工具協作的能力。此外，AI Agent 相關能力的提升也是此次延期背後的重要考量。AI Agent 被視為下一階段人工智慧發展的核心方向之一，這類系統不僅需要具備對話能力，更要能夠自主規劃任務、拆解步驟，並在不同階段之間進行決策與調整。要達成這樣的功能，模型必須擁有更強的推理能力與任務執行連貫性。字節跳動方面希望透過更完整的訓練過程，讓豆包大模型 2.2 在自主代理任務的表現上更為可靠。
業界人士分析，字節跳動選擇在模型即將進入發布階段之際主動延後時程，反映出該公司對產品品質的高度要求，也顯示出大型語言模型市場的競爭已從單純的參數量競賽，逐漸轉向實用性與穩定性的深度較量。在過去，模型發布時程往往取決於研發進度，如今則有更多企業願意為了確保最終品質而調整上市時間，這也成為人工智慧產業逐漸成熟的一個訊號。從整體市場格局來看，包括百度文心、阿里巴巴通義千問、騰訊混元等大型模型在內的中國主流 AI 產品，近年來皆持續加速迭代。字節跳動選擇在此時讓豆包大模型 2.
2 多花時間打磨，雖然短期內可能讓部分期待新版本的用戶感到等待時間拉長，但長遠而言，若能因此打造出在程式開發、企業自動化流程與智慧助理等領域更具實戰價值的模型，對於字節跳動在人工智慧市場的地位仍具有正面意義。值得注意的是，目前官方尚未對外公布豆包大模型 2.2 的新具體發布時間。外界普遍推測，字節跳動可能會依據後續訓練進度與內部評估結果來決定合適的上市時機，屆時或許也會一併公布更多關於新功能與效能表現的詳細資訊。在此之前，開發者與企業用戶只能持續關注官方動態，並暫時延續使用現有版本的豆包大模型。整體而言，這次豆包大模型 2.
2 的延期雖然打亂了原本的產品節奏，但也讓外界看到了字節跳動在人工智慧研發策略上的深思熟慮。比起搶快推出功能未臻完善的新版本，該公司顯然更傾向於投入時間打好基礎，確保每一項進階能力都能在真實應用中發揮應有作用。這樣的做法是否能為豆包大模型 2.2 換來市場的高度肯定，仍有待後續實際成果來驗證。
Related
相關文章
亞馬遜推開源 TorchNeuron：改一處配置，PyTorch 就能跑在自研 Trainium 上
它的賣點很直接：開發者寫好的 PyTorch 代碼，無需重寫，只改一處配置，就能在亞馬遜自研的 Trainium 芯片上原生跑起來。這套工具定於 20 日在加州聖何塞的北美 PyTorch 大會上以開源許可正式發佈。為了證明"無縫"不是嘴上說說，亞馬遜工程師把同一份 AI 訓練腳本分別跑在傳統芯片和 Trainium 上，唯獨區別是代碼裡指定所用芯片的設置參數。
MiniMax 更新 M3.1Flash:成本降70%、速度近3倍，OSWorld V2與 ALE 雙項國產第一
官方稱該模型在 Agentic 任務、編程、Computer Use 與網絡安全等方向實現代際提升，線上推理速度提升近3倍，使用成本降低70%。基準表現上，M3.1Flash 在 AutomationBench-AA 中位居最前列，可跨 SaaS 系統完成銷售、營銷、運營、客服、財務、HR 的真實業務工作流;BankerToolBench 得分76.
MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input
MiniMax has just released MiniMax M3.1 Flash on its API, priced at $0.15 per 1M input tokens. MiniMax also confirmed that Space Bunny was an earlier M3.1 Flash build. That stealth model processed over 200T tokens. For developers, the message is near-frontier agentic scores at Flash-tier cost. Model weights are due in late October, 2026. TL;DR Size: 428B total parameters, about 23B active (MoE); 1,000,000-token context Runs on: MiniMax API, M Plan and MiniMax Code today. Self-hosting hardware not disclosed; weights arrive Oct 23 Performance: Near-frontier on agentic office work, mid-pack on hard coding, all MiniMax-reported Best: Automation-Bench v1.0.6 at 62.2, the top score in MiniMax’s table Worst: Terminal Bench 4.0 at 38.1, versus 51.8 for Opus 5 What is MiniMax M3.1 Flash? MiniMax M3.
騰訊混元煉出Agent版RSI！基於Qwen3.8-27B，終端任務成功率翻倍
（公眾號：zhidxcom） 編譯 | 黃菲 編輯 | 江宇 10月19日消息，10月15日，由騰訊首席AI科學家、騰訊基礎模型部負責人姚順雨帶領的騰訊混元前沿團隊（Tencent Hy Frontier）聯合新加坡國立大學、美國馬里蘭大學、佐治亞大學和印第安納大學的研究人員，以阿里巴巴通義千問團隊開源的Qwen3.8-27B為基座，提出一種面向終端智能體（Terminal Agent）的遞歸訓練方法Terminal-RSI。 該研究旨在讓終端智能體從過往的成功經驗中學習，持續提升複雜任務的執行能力。
AI日報：火山引擎砸錢養AI劇；DeepSeek發佈API網頁搜索與抓取服務；騰訊Marvis上架麒麟軟件商店
字節火山引擎砸錢養AI劇：月度TOP10單部最高獎20萬火山引擎推出Seedance精品AI劇激勵計劃，本質是以真金白銀補貼撬動內容生態，將模型、工具、平臺與分發渠道（紅果短劇）深度綁定。50%現金+50%返券的獎勵結構設計精巧，既降低現金支出，又強制創作者回流字節自家工具生態，形成使用慣性。
光量子計算，距離真正的產業化還有多遠？
導語：產業化落地，光量子計算的新考場記者：郭思編輯：包永剛 摩爾定律走到紅利盡頭，AI、新藥研發、新材料探索對算力的需求還在不斷擴張。依靠持續堆 GPU 提升算力的老路越來越不划算，存算一體、Chiplet、光互連等技術競相尋找算力增量，量子計算因此被寄予厚望，光量子路線更是長期收到行業關注與討論。它在實驗室創下震撼的量子優越性記錄，其工程化進展與產業化時間表也始終是業界關注的焦點。 光量子計算，會成為下一代算力的破局鑰匙，還是一場尚待產業化驗證的技術革命？