字节跳动Seed团队架构重组冲击5万亿参数

围绕传闻中参数规模超过5万亿的下一代超大模型，字节跳动大模型部门Seed近期完成了深度的组织架构调整。此次调整打破了以往按模态和研究方向划分的传统模式，将原先分散的团队重新整合，以全面优化研发效率，为冲刺超大模型奠定组织基础。

在本次调整中，Seed基础模型团队正式成立四个全新的一级部门。首先是预训练数据团队Pretrain Data，由李成刚担任负责人。该部门由原先分散在文本、编程、视觉理解和语音等方向的预训练团队合并而来，统一负责新Omni模型的多模态数据及超大模型预训练工作。这一整合有助于减少跨团队协作成本，避免重复造轮子，让数据与预训练任务更加集中高效。

其次是强化学习团队Horizon RL，由唐晟宇负责。该团队整合了此前分散在后训练、推理和视觉理解等领域的后训练力量，核心目标是通过强化学习提升模型的基础智能上限。这意味着字节跳动在模型后训练阶段将更加注重通用能力的强化，而非仅针对单一任务优化。

在面向终端与业务的应用后训练方面，字节跳动进行了更精细化的任务拆分。其中，负责B端应用及Agentic模型整合发布的Product Posttrain-Work部门由秦禹嘉负责，重点针对办公场景优化模型的Agentic能力，并支持豆包和Dola的任务模式。而原先由朱文佳负责的Application团队则更名为Product Posttrain-Chat，专责C端对话模型的整合与发布，与Work团队形成高效分工协作。四个新部门的负责人均向吴永辉汇报，同时Seed还为AI安全等前沿探索方向单独任命了负责人。

回顾以往，Seed团队主要按照具体模态和研究方向独立划分。这种机制在研发早期有助于快速补齐各项能力，但随着技术边界的模糊，跨团队沟通成本增加以及重复建设的问题逐渐显现。此次架构调整的底层逻辑正是“合并相似工作、减少重合、内聚在一起”，以更紧凑的组织形态应对超大模型训练的复杂挑战。

此前有媒体爆料称，字节跳动正处于讨论训练参数规模超5万亿模型的早期阶段。如果该计划全面落地，其参数量将超越阿里的Qwen 3.8-Max及月之暗面的K3，成为国内已知参数规模最大的模型。面对向超大模型冲刺的新阶段，此次升级的组织架构与分工模式，无疑为字节跳动在全球AI竞争之中提供了坚实的组织保障。