字节被曝训练10万亿参数模型，能力账还没交
FT 独家、Reuters 全文转述称字节正在训练多达 10 万亿参数的模型；规模可能逼近 Anthropic Mythos，但架构、激活量和独立能力评测尚未公开。
导读
10 万亿参数是字节争取前沿模型规模上限的一张门票，不是已经追平 Mythos 的成绩单。
作者丨 AI 科技评论
编辑丨 AI 科技评论
Kimi K3 刚把 2.8 万亿参数推到台前，FT 就把字节一款未公开模型的量尺写到了 10 万亿。
8 月 7 日，Reuters 在 《ByteDance targets mega AI model that could match Mythos scale, FT reports》 中完整转述 FT 独家：知情人士称，字节正在训练一个多达 10 万亿参数的 AI 模型。1
FT 原生页面可确认标题为《ByteDance targets mega AI model nearing Anthropic's Mythos》，发布时间为 8 月 7 日 12:36；页面正文需要订阅。2
Reuters 全文补齐了数字，也留下了最重要的刹车：该社未能立即独立核实，字节没有回应置评请求。1
这条消息值得读，但 10 万亿目前仍是一项带上限词、匿名信源和未核实声明的报道数字。
01｜先读限制语
Reuters 对 FT 报道的完整摘要很短，也很清楚。
字节模型的规模是「多达 10 万亿参数」，超过 Moonshot Kimi K3 的三倍；后者有 2.8 万亿参数。1
模型据称正在预训练，完成这一步通常需要 3 至 6 个月，之后还要微调才能发布。1
「通常」描述的是预训练的一般时长，不是字节承诺的发布日期。
报道没有给出模型名称、架构、激活参数、训练启动日，也没有说明它会开放权重还是只提供 API。
据 Reuters 转述，FT 报道引述的行业估计称，Anthropic 的 Mythos 5 约有 8 万亿参数，Fable 5 约有 5 万亿，因此字节新模型在报道口径下接近 Mythos 的规模。1
这些不是 Anthropic 公布的规格。
Reuters 明确写道，Anthropic 与 OpenAI 不披露 Fable、Mythos、GPT-5.5 等系统的参数量，跨公司直接比较很困难。1
字节对标的是一个业内估出来的天花板，不是一张双方签字确认的规格表。
02｜参数榜换了尺
Kimi K3 提供了一个更完整的参照。
Moonshot 官方模型卡写明，Kimi K3 采用混合专家架构，共有 2.8 万亿参数，每个 token 激活约 1040 亿参数，并从 896 个专家中选择 16 个。3
2.8 万亿是整座商场的面积，1040 亿更像每次真正开门营业的楼层。
这个比喻不等于计算公式，却能说明一件事：只看总面积，推不出每位顾客要走多远，也算不出整栋楼的电费。
字节这款模型目前只报了总参数上限，架构和每次激活多少参数都不知道。
因此，10 万亿不能直接换算成训练成本、推理速度、调用价格，更不能换算成能力分数。
Reuters 在 Kimi K3 发布时也提醒，参数只是规模的粗略指标；Omdia 首席分析师 Lian Jye Su 直言，更大的规模并不默认带来最好的性能。4
参数榜越往上走，架构、激活量和推理成本越不能藏在数字背后。
03｜字节争什么
AI 科技评论注意到，10 万亿最先改变的不是模型排名，而是字节给自己选的比较对象。
Kimi K3 发布前，美团 LongCat-2.0 与 DeepSeek V4-Pro 以 1.6 万亿总参数领跑中国；Kimi K3 把公开权重模型推到 2.8 万亿。4
在 FT 与 Reuters 的比较语境里，字节若真的把训练规模拉到 10 万亿，参照物就从中国公开模型变成了参数未公开的美国闭源前沿模型。
这是研究目标的抬高，不是能力差距已经归零。
字节今年公开发布 Doubao 2.0 时，把它定位为执行复杂现实任务的「agent 时代」模型，并称多步任务会消耗大量 token。5
但 Reuters 这次没有把 10 万亿模型与 Doubao、Seed 或任何产品线相连。
在 AI 科技评论看来，字节现在争的是进入全球模型规模上限的资格。
这个资格要用数月预训练换来，还要再经过微调、评测和推理部署。
模型越大，发布之前欠下的能力账、成本账和产品账也越厚。
04｜先看四张账单
Reuters 原文最该保留的，是这句限制语：
Parameters are often used as a rough measure of scale, though not necessarily capability.参数量常被用作衡量规模的粗略指标，却不必然代表能力。1
我们会先看架构：10 万亿是稠密模型还是混合专家模型，每次究竟激活多少参数。
再看训练：预训练何时完成，模型名称与发布范围是什么。
第三张账是能力：独立评测能否在推理、编程、智能体和多模态任务上复现前沿表现。
最后才是生意：推理延迟、调用价格和部署条件，能否让大模型走出训练集群。
在这些数字出现前，10 万亿适合写进工程目标，不适合写进冠军名单。
公开信息里，架构、激活参数、发布日期和独立评测仍是空白。
十万亿参数只把字节送上更长的跑道；模型何时跑完、每次调用花多少钱、能力能否复现，才决定它有没有越线。
References
- 1
- 2
- 3Moonshot：Kimi K3 官方模型卡
huggingface.co
- 4
- 5
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.