Модель на 10 триллионов параметров от Чжан Имина: успеет ли она вовремя?

В конце июля 2026 года основатель ByteDance Чжан Имин неожиданно появился на собрании команды Seed, которая занимается разработкой больших языковых моделей. Он обратился к примерно двум тысячам исследователей с необычным заявлением: нельзя использовать чужие результаты, чтобы подняться в рейтингах. Чжан Имин прямо запретил дистилляцию — метод, при котором модель обучается на выходах более сильных конкурентов. По его словам, ByteDance должен быть готов пожертвовать краткосрочными успехами ради долгосрочных целей.

Это заявление прозвучало не на пустом месте. Внутри Seed как минимум трижды поднимался вопрос о переходе на дистилляцию — после выхода DeepSeek-R1, после развертывания чипов Blackwell и после релиза Kimi K3. Каждый раз Чжан Имин накладывал вето. Тем временем языковая модель Doubao занимала лишь 21-е место в мировом рейтинге LLM, тогда как Kimi K3 была второй, а Qwen 3.8 Max — четвертой. Генеральный директор Лян Жубо признал, что разрыв с лидерами увеличивается.

Вместо дистилляции ByteDance выбрал другой путь — гигантскую модель с параметрами до 10 триллионов. Это втрое больше, чем у Kimi K3. Проект находится на ранней стадии предобучения и, по данным Financial Times, может занять от трех до шести месяцев. Однако здесь возникает проблема данных. Исследования показывают, что при увеличении параметров пропорционально должен расти и объем обучающих данных. По оценкам Epoch AI, запасы качественного текста в мире ограничены примерно 300 триллионами токенов, и при нынешних темпах они могут закончиться уже в ближайшие годы. ByteDance вынужден готовить собственные данные, но именно в этот момент стало известно об уходе руководителя направления AI Data and Security Фу Юэ.

Финансовая картина тоже неоднозначна. В 2025 году капитальные расходы ByteDance превысили 150 миллиардов юаней, из которых около 90 миллиардов пошли на ИИ-мощности. В 2026 году эта цифра может перевалить за 200 миллиардов. Doubao обрабатывает 180 триллионов токенов ежедневно, но приносит меньше миллиона юаней в день. Выручку в основном дают видеогенераторы Seedance — около двух миллиардов долларов в год, что лишь покрывает затраты на вычисления. Таким образом, язык поддерживается за счет видео, а пользовательская база не конвертируется в доходы.

Многие эксперты сравнивают этот подход с прежней стратегией ByteDance — решать проблемы грубой силой. Но если раньше это работало для коротких видео и новостной ленты, то для больших моделей все сложнее. Без качественных данных и грамотной оптимизации модель на 10 триллионов параметров рискует оказаться просто очень дорогой и малоэффективной. К тому же компания уже начала брать плату за Doubao, и пользователи жалуются, что качество не соответствует цене.

Пока ByteDance делает ставку на собственную разработку, конкуренты быстро занимают рынок. Чжан Имин говорит об отложенном удовлетворении, но если проект застрянет, удовлетворения может не последовать вовсе. Вопрос в том, догонит ли гигантская модель ушедший вперед поезд, или время будет упущено окончательно.