爲了給傳聞中參數規模超 5 萬億的下一代超大模型鋪路，字節跳動的大模型部門 Seed 近期完成了新一輪深度的組織架構調整。此次調整打破了以往按模態和研究方向劃分的傳統模式，將原先分散的團隊重新整合，全面優化研發效率。

在本次架構調整中，Seed 基礎模型（Seed Foundation Model）正式成立了四個全新的一級部門。首先是預訓練數據團隊 Pretrain Data，由李成剛擔任負責人，該部門由原先散落在文本、編程、視覺理解和語音等方向的預訓練團隊合併而來，統一負責新 Omni 模型的多模態數據及超大模型預訓練工作。

其次是強化學習團隊 Horizon RL，由唐晟宇負責。該團隊整合了此前分散在後訓練、推理和視覺理解等領域的後訓練力量，核心目標是通過強化學習提升模型的基礎智能上限。

在面向終端和業務的應用後訓練方面，字節跳動進行了更加精細化的任務拆分。其中，負責 B 端應用及 Agentic 模型整合發佈的 Product Posttrain-Work 部門由秦禹嘉負責，重點針對辦公場景優化模型的 Agentic 能力，並支持豆包和 Dola 的任務模式；而原先由朱文佳負責的 Application 團隊則更名爲 Product Posttrain-Chat，專責 C 端對話模型的整合與發佈，與 Work 團隊形成高效分工協作。上述四個新部門的負責人均向吳永輝彙報，同時 Seed 還爲 AI 安全等前沿探索方向單獨任命了負責人。

回顧以往，字節跳動的 Seed 團隊主要按照具體的模態和研究方向進行獨立劃分。這種機制在模型研發早期能夠快速補齊各項能力，但隨着技術邊界的模糊，跨團隊溝通成本增加以及“重複造輪子”的現象也隨之顯現。此次架構調整的底層邏輯正是要“合併相似工作、減少重合、內聚在一起”。

此前有媒體爆料稱，字節跳動目前正處於討論訓練參數規模超 5 萬億模型的早期階段。如果這一計劃得以全面落地，其參數量將超越阿里的 Qwen 3.8-Max 及月之暗面的 K3，成爲國內已知參數規模最大的模型。面對向超大模型衝刺的新階段，此次全面升級的組織架構與分工模式無疑爲字節跳動在激烈的全球 AI 軍備競賽中奠定了堅實的組織保障。