字节跳动Seed实验室的蒸馏禁令：一场关于AI长期主义的技术抉择

拒绝蒸馏，不是权宜之计，而是技术路线的锚点

张一鸣在2026年7月举行的Seed全员会上明确表态：字节跳动旗下大模型团队Seed，禁止对任何外部模型——无论闭源或开源——进行知识蒸馏。这一决定并非临时应对地缘压力或舆论风波，而是一条早已确立、持续强化的技术原则。早在2023年4月，当字节大模型尚处早期探索阶段时，内部就已叫停使用GPT API生成数据训练模型，并启动输出相似度抽检机制。彼时，中美AI竞争尚未升温，“蒸馏”也远未成为敏感词。

三次压力下的动摇，三次坚定的否决

过去三年间，Seed内部围绕蒸馏共爆发三次实质性路线争论。第一次在2025年1月，DeepSeek-R1发布后引发能力焦虑，部分研究员提议引入美国头部闭源模型输出作为“补药”，以快速提升推理表现；第二次在2025年底Blackwell GPU大规模商用之际，受限于H20算力仅相当于B200的1/50，团队面临真实物理瓶颈，“用数据换算力”的呼声渐强；第三次则因Kimi K3横空出世——一款规模更小、资源更有限的中国实验室模型，竟在编程、工具调用与复杂任务上逼近GPT-5.5和Claude 4.8，彻底动摇了内部对自研路径的信心。

折中方案也被否决：开放权重模型同样不可蒸馏

面对第三次压力，团队甚至提出更稳妥的替代路径：只蒸馏授权宽松、可本地部署的开源模型（如K3），规避法律与政治风险。但张一鸣的回应清晰而彻底：“闭源不能蒸馏，开源也不能。”他强调，Seed可以接受暂时落后，但不接受以蒸馏为捷径来消除落后。随后，Seed正式出台新规，将禁止范围明确覆盖K3等开放权重模型，并通过API行为监测、输出指纹比对等技术手段落地执行。

蒸馏不是原罪，而是文化分水岭

模型蒸馏本身是成熟且广泛使用的训练技术。所有顶尖实验室都在做自蒸馏、合成数据回填与教师-学生联合优化。真正被Seed拒绝的，不是技术本身，而是将他人成果直接设为“教师爷”的认知惯性与路径依赖。当一个模型能靠蒸馏快速上榜，一家实验室却无法靠蒸馏抵达智能前沿——因为蒸馏无法传递底层原理、架构取舍与失败经验，更无法回答：当当前SOTA触及天花板时，下一步该往何处突破？

长期主义的代价与底气

这条路线意味着更高的试错成本、更长的迭代周期，以及阶段性指标上的沉默。Seedance 2.0能在H20集群上达成视频生成全球SOTA，恰恰印证其工程与算法的扎实功底；而语言模型的相对滞后，正反映出它坚持从数据构建、指令设计、训练范式到评估体系的全栈自主演进。张一鸣所关切的，从来不是TikTok能否继续运营，也不是某次benchmark是否登顶，而是Seed能否成为那个率先触达AGI边界的实验室——不是复现别人的智能，而是定义新的智能。