ByteDance satser på AI-model i 10-billioner-klassen

Men modellen er langt fra klar. Den er stadig i den tidlige fortræningsfase, og hverken den endelige størrelse, en offentlig lanceringsdato eller modellens faktiske evner er fastlagt. Reuters kunne ikke selv verificere Financial Times' oplysninger .

Et projekt, der stadig kan ændre størrelse

Financial Times skrev den 7. august 2026, at ByteDance er gået i gang med at fortræne en stor sprogmodel med op til 10 billioner parametre . Fortræning tager typisk tre til seks måneder, hvorefter modellen skal finjusteres og gennemgå yderligere test, før den eventuelt kan udgives .

ByteDance overvejer fortsat, om modellen skal trænes helt op til loftet på 10 billioner parametre . En tidligere rapport fra LatePost samme dag beskrev i stedet et projekt på mere end 5 billioner parametre, hvilket kan tyde på, at ambitionerne siden er blevet udvidet .

Hvordan står den i forhold til Anthropic og andre modeller?

Hvis tallet på 10 billioner holder, vil ByteDance-modellen ligge tæt på eller lidt over Anthropic's Mythos 5, som brancheestimater anslår til omkring 8 billioner parametre . Til sammenligning ser landskabet således ud:

Det er dog vigtigt ikke at forveksle modelstørrelse med kvalitet. Antallet af parametre er først og fremmest et groft mål for arkitekturen – ikke en direkte måling af, hvor godt modellen skriver, ræsonnerer eller løser konkrete opgaver.

Den vigtige forskel på samlede og aktive parametre

De rapporterede 10 billioner er samlede parametre. Det betyder, at tallet dækker hele modellens arkitektur. Mange moderne modeller bruger imidlertid en såkaldt Mixture-of-Experts-arkitektur (MoE), hvor kun en del af parametrene aktiveres for hver forespørgsel.

En model med 10 billioner samlede parametre kan derfor eksempelvis have 1–2 billioner aktive parametre ved en given forespørgsel. Financial Times' rapport og den efterfølgende omtale har ikke præciseret, hvordan ByteDance-modellen er bygget, eller om tallet dækker samlede parametre, aktive parametre eller en kombination . Det gør direkte sammenligninger med andre modeller usikre.

Zhang Yiming siger nej til en hurtig genvej

ByteDance-grundlægger Zhang Yiming har ifølge rapporter bedt Seed-teamet om ikke at bruge AI-distillation til at bygge den nye model – altså en metode, hvor en mindre eller ny model trænes på svar fra en mere avanceret model .

Zhang gentog angiveligt budskabet på et internt ledelsesmøde omkring den 6. august 2026. Strategien beskrives som et valg af langsigtet, selvstændig udvikling frem for hurtige forbedringer i benchmarkresultaterne . ByteDance kan dermed risikere midlertidigt at sakke bagud i forhold til kinesiske konkurrenter.

Distillation er blevet et omdiskuteret værktøj i AI-industrien, fordi det kan bruges til hurtigt at efterligne egenskaber fra stærkere modeller. For ByteDance kan ønsket om at undgå metoden også hænge sammen med selskabets komplicerede forhold til USA på grund af TikTok samt risikoen for juridiske og eksportkontrolrelaterede problemer .

Seed: Omkring 2.000 medarbejdere bag projektet

ByteDance oprettede sin Seed-division i begyndelsen af 2023, efter ChatGPT havde ændret forventningerne til generativ AI . Divisionen tæller ifølge rapporterne omkring 2.000 medarbejdere i Kina og andre steder, herunder forskere, infrastrukturingeniører og medarbejdere, der arbejder med datamærkning .

Blandt de centrale personer er:

• Wu Yonghui, tidligere forskningschef hos Google DeepMind og Google Fellow. Han kom til ByteDance i februar 2025 .
• Xiang Liang (项亮), chef for Seed Foundation, som leder arbejdet med grundmodellen sammen med den ansvarlige for data til fortræningen, Shen Ke (沈科) .
• ByteDance-topchef Liang Rubo, som Wu Yonghui rapporterer direkte til .

I 2025 samlede ByteDance desuden sit AI Lab og sin robotikafdeling under Seed, så selskabets forskning i grundmodeller og relaterede områder blev organiseret i samme division .

En del af det bredere USA-Kina-kapløb

ByteDances projekt bliver set som et direkte forsøg på at mindske afstanden til amerikanske frontlinjelaboratorier som Anthropic og OpenAI . Det sker på et tidspunkt, hvor USA har indført eksportkontrol på avancerede AI-chips til Kina. ByteDance må derfor i højere grad basere sig på kinesisk hardware og allerede indkøbte chipressourcer .

Ifølge TechTimes har selskabet opbygget infrastrukturen i en meget stor skala, mens Zhang Yiming selv har været involveret i vurderingen af fordelingen af computerressourcer . Projektet kommer også efter DeepSeek R1's gennembrud i januar 2025, som viste, at kinesiske AI-laboratorier kan opnå konkurrencedygtige resultater trods begrænsninger på adgangen til avancerede chips .

Samtidig er Anthropic's Mythos 5 blevet en del af den amerikanske sikkerhedsdebat. Adgangen til modellens mest avancerede cybersikkerheds- og biodefensefunktioner blev midlertidigt suspenderet af den amerikanske regering i juni 2026, før den delvist blev genåbnet for betroede organisationer . Det illustrerer, hvordan de mest avancerede AI-modeller i stigende grad behandles som strategiske teknologier – ikke blot som kommercielle produkter.

ByteDance holder kortene tæt ind til kroppen

ByteDance har endnu ikke oplyst, om den nye model vil blive gjort offentligt tilgængelig. Selskabets hidtidige strategi har generelt været lukket kildekode og tæt integration med egne produkter, i modsætning til eksempelvis Metas Llama-modeller og enkelte kinesiske konkurrenter som DeepSeek.

Forbrugerne møder især ByteDances AI gennem Doubao (豆包), som samler Seed-modeller i chat-, assistent- og indholdsprodukter . Seed-divisionens øvrige AI-prioriteter for 2026 omfatter verdensmodeller med et mål om at nå op på niveau med Googles Genie 3, en kodeagent kaldet Seedance og fortsat kommercialisering af Doubao .

Hvis 10-billioner-modellen bliver færdig, er det derfor mest sandsynligt, at den vil fungere som teknologisk grundlag for Doubao og andre interne ByteDance-produkter frem for at blive udgivet som en selvstændig, åben model.

Konklusion

ByteDance er i gang med et usædvanligt stort og langsigtet AI-projekt, men 10 billioner er endnu et rapporteret maksimum – ikke en bekræftet endelig størrelse. Modellen er fortsat under fortræning, og tallet for samlede parametre siger ikke i sig selv, hvor stærk den bliver.

Det mest markante ved projektet er derfor ikke kun skalaen. Det er også Zhang Yimings beslutning om at prioritere selvstændig udvikling uden distillation, mens et omkring 2.000 personer stort Seed-team forsøger at bygge en kinesisk konkurrent til USA's mest avancerede AI-laboratorier.