למה ByteDance מעדיפה להישאר מאחור — ולא לזקק מודלים של מתחרות

ByteDance, החברה שמאחורי TikTok, reportedly בחרה לוותר על קיצור דרך משמעותי במרוץ הבינה המלאכותית: מייסד החברה, ג'אנג יימינג, הנחה את צוות Seed לא לשפר את המודלים שלו באמצעות זיקוק — כלומר, אימון על תשובות שמפיק מודל חזק יותר של חברה אחרת. לפי Reuters, ג'אנג העדיף לקבל מחיר קצר-טווח, גם אם המשמעות היא פיגור זמני במדדים, לטובת פיתוח AI עצמאי לאורך זמן. 1

הסיבה אינה שטכניקת הזיקוק חסרת ערך. להפך: היא מאפשרת למודל חלש או קטן יותר ללמוד מתשובות של מודל חזק, ולשחזר חלק מיכולותיו בזמן ובעלות נמוכים יותר. החשש של Seed, לפי הדיווחים, הוא שהצלחה כזו תהפוך את ByteDance לחקיינית מצטיינת — אך לכזו שהכיוון המחקרי שלה עדיין תלוי במעבדה אחרת, בשיטות שלה ובאופן שבו היא מגדירה "אינטליגנציה". 49

מה קרה מאז 2023?

2023: נתונים שנוצרו באמצעות GPT הפכו לבלתי מקובלים

לפי דיווחים שסוכמו ב-Pekingnology וב-Pandaily, הצוותים הראשונים של Seed ניסו להשתמש בחומרים שנוצרו באמצעות ממשק ה-API של GPT. לאחר ש-ByteDance הנהיגה באפריל 2023 ביקורות על קריאות ל-API, הצוות reportedly קבע כלל שלפיו נתונים שנוצרו על ידי GPT לא ייכנסו למאגרי האימון של החברה. בהמשך הורחב העיקרון גם למודלים מתחרים אחרים. 914

ההבחנה הזו חשובה: לא מדובר רק באיסור להשתמש בשירות API מסוים. לפי הדיווחים, התגבשה מדיניות רחבה יותר — מודל של חברה אחרת, בין שהוא סגור ובין שמשקולותיו זמינות לציבור, לא ישמש כמורה של Seed. 910

2025: DeepSeek-R1 החזיר את הוויכוח לשולחן

הדיון הפנימי reportedly התעורר מחדש לאחר ש-DeepSeek-R1 הציג ביצועים חזקים במשימות חשיבה ויעילות גבוהה בינואר 2025. חלק מחוקרי Seed טענו שתשובות ממערכות אמריקאיות מתקדמות יותר יוכלו להשלים את עבודת האימון העצמאית של ByteDance ולשפר במהירות את יכולות ההסקה. לפי הדיווחים, ג'אנג דחה את הרעיון משום שגם כך מדובר בהסתמכות על יכולת שאולה. 9

חשוב להפריד בין העובדות לבין הספקולציות: הטענות שלפיהן DeepSeek עצמה השתמשה בנתונים סינתטיים ממודלים אמריקאיים מובילים נותרו, במסגרת המקורות כאן, הערכות בתעשייה ולא עובדה שנקבעה באופן עצמאי. אין לבלבל אותן עם הדיווח הנפרד והמבוסס יותר על הכלל הפנימי של Seed.

2026: קשה יותר להתעלם מהלחץ התחרותי

הפיתוי להשתמש בזיקוק גדל ככל שמפתחי AI בסין התמודדו עם תחרות עזה על חומרה, יכולות מודל ומיקומים בטבלאות ההשוואה. לפי הדיווחים, חוקרי Seed עקבו אחרי התקדמות מהירה של מערכות מובילות, ובהן מודל Kimi K3 של Moonshot — מודל בעל משקולות פתוחות, שאפשר למתחרים לבדוק ואולי גם להשתמש בו כמקור לנתוני אימון. 914

בשלב הזה הזיקוק כבר לא היה העדפה מחקרית מופשטת, אלא החלטה אסטרטגית עם מחיר ממשי. זיקוק של מודל חזק יותר עשוי לצמצם במהירות פער שנמדד במדדים מסוימים. סירוב לעשות זאת עלול להשאיר את Seed מאחור בזמן שמתחרות מתקדמות מהר יותר. אולם בפגישת עובדים כללית של Seed ב-2026, ג'אנג reportedly הבהיר את הבחירה: ביצועים חלשים יותר בטווח הקצר עדיפים על זיקוק של מערכות מתחרות. 110

למה האיסור כולל גם מודלים בעלי משקולות פתוחות?

האיסור reportedly רחב במיוחד משום שהוא עוסק בתלות אסטרטגית — ולא רק בזכויות גישה או בתנאי רישיון. מודל סגור שניגשים אליו דרך API ומודל בעל משקולות פתוחות מציבים שאלות משפטיות וטכניות שונות, אך שניהם עלולים ליצור את אותו סיכון: אימון על פתרונות של מעבדה אחרת במקום גילוי עצמאי של שיטות חדשות. 914

אין פירוש הדבר שכל העברת ידע בין מודלים זהה, או שכל שימוש במשקולות פתוחות הוא פסול. המשמעות היא שהסטנדרט הפנימי reportedly של Seed מחמיר יותר מכלל ציות רגיל נגד איסוף לא מורשה של נתונים מ-API. לפי הדיווחים, העובדים התבקשו שלא להשתמש במודלי חזית של חברות אחרות כמורים — גם כאשר מדובר במודלים בעלי משקולות פתוחות. 1014

כיצד פרשת Claude שינתה את ההקשר?

המדיניות קיבלה משמעות נוספת על רקע טענות נגד חברות AI סיניות אחרות. Anthropic האשימה את Alibaba, DeepSeek, Moonshot, MiniMax ו-Z.ai בשימוש בחשבונות או במתווכים כדי לחלץ תשובות מ-Claude לצורכי אימון. ByteDance לא נכללה באותה האשמה. במקביל, פקיד אמריקאי האשים את Moonshot בשימוש לא ראוי במודל של Anthropic לצורך אימון Kimi K3. אלה טענות שטרם הוכחו במסגרת הראיות שסופקו כאן. 69

הנקודה המרכזית היא שההגבלה של Seed reportedly התחילה כבר ב-2023 — לפני המחלוקת הפוליטית המאוחרת יותר. לכן, לפי הדיווחים, הפרשות הללו חיזקו את חשיבות עמדתו של ג'אנג, אך לא יצרו אותה. 9

ההימור של ByteDance: עצמאות במקום חיקוי

את עמדתו של ג'אנג אפשר להבין כהימור על הדרך שבה נבנית בינה מלאכותית מתקדמת. זיקוק עשוי לשפר במהירות תשובות, דפוסי חשיבה או ביצועים במדדי בנצ'מרק. אך אם צוות מחקר מתאמן שוב ושוב על תוצרים של מתחרה, הוא עלול להתחיל להתאים את עצמו ל"ארכיטקטורת האינטליגנציה" של אותה מתחרה: לפירוק הבעיות שלה, לאותות התגמול שלה, לתשובות שלה ולמטרות ההערכה שלה. 910

במקום זאת, Seed reportedly בוחרת בדרך האיטית יותר: להשקיע בנתונים, בשיטות אימון, בארכיטקטורה ובסדרי עדיפויות מחקריים משלה. המחיר ברור — הצוות עלול להישאר מאחור בטבלאות בזמן שמתחרים משתמשים בכל קיצור דרך אפשרי. התמורה המקווה היא עצמאות גדולה יותר, ואולי גם פריצות דרך שאינן מוגבלות לבחירות התכנוניות של המודל המוביל הנוכחי.

לכן אין כאן טענה שזיקוק הוא כלי לא יעיל מבחינה טכנית. זו טענה אחרת: ייתכן שהרווח המהיר ביכולת אינו שווה את התלות ארוכת-הטווח. עבור ByteDance, ההנחיה reportedly של ג'אנג מנסחת את הדילמה באופן חד: Seed מעדיפה להפסיד במרוץ של היום, ולא לבנות את העתיד שלה באמצעות תשובות של מישהו אחר. 19