Derfor vil ByteDance heller sakke akterut enn å kopiere rivalenes KI-modeller

ByteDance-grunnlegger Zhang Yiming skal ha gjentatt en streng regel for selskapets Seed-team: Ikke forbedre modellene ved å destillere svar fra konkurrentenes systemer – selv om det betyr svakere resultater på kortsiktige tester. Reuters beskrev dette som et valg om å akseptere en kostnad her og nå for å bygge KI-kompetanse på lengre sikt. 1

Modell-destillering innebærer at en mindre eller svakere modell lærer av svarene fra en mer avansert modell. Metoden kan spare både tid og datakraft, og gjøre det mulig å gjenskape enkelte egenskaper raskere.

Men bekymringen i Seed skal være at ByteDance da kan ende opp som en svært dyktig etterfølger – uten at selskapet egentlig bestemmer sin egen forskningsretning. Modellen kan i stedet bli formet av en annen aktørs metoder, evalueringer og forståelse av hva «intelligens» er. 49

Fra GPT-data til et bredt forbud

2023: GPT-genererte treningsdata ble uakseptabelt

Ifølge omtale fra Pekingnology og Pandaily eksperimenterte tidlige Seed-team med materiale generert gjennom GPT-API-et. Etter at ByteDance innførte revisjon av API-kall i april 2023, skal teamet ha vedtatt en regel om at GPT-genererte data ikke skulle inn i selskapets treningssett. Prinsippet ble senere utvidet til konkurrerende modeller generelt. 914

Det er en viktig forskjell. Den rapporterte regelen var ikke bare et forbud mot å bruke ett bestemt proprietært API. Den utviklet seg til en bredere linje: Ingen annen virksomhets modell – enten den er lukket eller tilgjengelig med åpne vekter – skulle fungere som lærer for Seed. 910

2025: DeepSeek-R1 satte fart på diskusjonen

Diskusjonen skal ha blusset opp igjen etter at DeepSeek-R1 viste sterk resonneringsevne og effektivitet i januar 2025. Enkelte Seed-forskere mente ifølge rapportene at svar fra mer avanserte amerikanske systemer kunne supplere ByteDances egen trening og gi raskere fremgang innen resonnering. Zhang skal ha avvist dette, fordi det fortsatt ville innebære å basere seg på lånt kapasitet. 9

Påstander om at DeepSeek selv brukte syntetiske data fra ledende amerikanske modeller, er i materialet som foreligger her bransjespekulasjon – ikke et uavhengig dokumentert faktum. Det må ikke blandes sammen med den separat rapporterte og bedre underbygde saken om Seeds interne regel.

2026: Det ble vanskeligere å ignorere konkurransepresset

Presset for å bruke destillering ble sterkere etter hvert som kinesiske KI-selskaper konkurrerte intenst om maskinvare, modellkapasitet og plasseringer på standardiserte tester. Rapportene beskriver hvordan Seed fulgte utviklingen i de raskt forbedrede frontmodellene, samtidig som Moonshots Kimi K3 dukket opp som en kraftig modell med åpne vekter som konkurrenter kunne undersøke og potensielt bruke som treningskilde. 914

Dermed ble spørsmålet et reelt strategisk valg, ikke bare en akademisk uenighet. Destillering av en sterkere modell kunne ha lukket et målbart gap raskt. Å avstå kunne føre til at Seed ble hengende etter mens konkurrentene forbedret seg raskere.

På et rapportert allmøte i Seed i 2026 skal Zhang likevel ha gjort valget tydelig: Midlertidig svakere resultater var å foretrekke fremfor å destillere konkurrerende modeller. 110

Hvorfor gjelder regelen også modeller med åpne vekter?

Det rapporterte forbudet er uvanlig bredt fordi det handler om avhengighet, ikke bare om tilgangsrettigheter. En lukket modell som brukes via et API, og en modell med åpne vekter, reiser ulike juridiske og tekniske spørsmål. Strategisk kan begge likevel skape den samme risikoen: at en utvikler trener på en annen labs løsninger i stedet for å oppdage sine egne. 914

Det betyr ikke at all kunnskapsoverføring er identisk, eller at all bruk av åpne vekter nødvendigvis er feil. Det betyr at Seeds interne standard ifølge rapportene var strengere enn et vanlig regelverk mot uautorisert innsamling av API-svar. Teamet skal ha fått beskjed om ikke å bruke andre selskapers frontmodeller som lærere – også når modellvektene var åpne. 1014

Claude-anklagene gjorde spørsmålet mer betent

Regelen fikk også større betydning i kjølvannet av anklager mot andre kinesiske KI-selskaper. Anthropic anklaget Alibaba, DeepSeek, Moonshot, MiniMax og Z.ai for å ha brukt kontoer eller mellommenn til å hente ut Claude-svar for trening. ByteDance ble ikke navngitt i denne anklagen. En amerikansk tjenesteperson anklaget separat Moonshot for å ha brukt Anthropics modell på urettmessig vis i treningen av Kimi K3. Dette er anklager, ikke konklusjoner som er fastslått av dokumentasjonen i saken her. 69

Det sentrale er at den rapporterte Seed-begrensningen går tilbake til 2023 – før den senere politiske striden. Anklagene ser derfor ut til å ha understreket betydningen av Zhangs standpunkt, ikke skapt det. 9

Satsingen: selvstendighet fremfor etterligning

Zhangs rapporterte argument kan best forstås som et syn på hvordan ledende KI-systemer bør bygges. Destillering kan forbedre en modells svar, resonneringsmønstre eller resultater på tester raskt. Men hvis et forskerteam gjentatte ganger trener på konkurrentens svar, kan det også begynne å optimalisere mot konkurrentens «intelligensarkitektur»: deres foretrukne problemløsning, belønningssignaler, svar og evalueringsmål. 910

Seed skal i stedet ha valgt den langsommere veien – å investere i egne data, treningsmetoder, arkitektur og forskningsprioriteringer. Det har en åpenbar pris: Teamet kan bli liggende bak på rangeringene mens rivalene tar i bruk alle tilgjengelige snarveier. Gevinsten de håper på, er større uavhengighet og muligheten for gjennombrudd som ikke er bundet til den nåværende markedslederens designvalg.

Avgjørelsen er derfor ikke en påstand om at destillering er teknisk ubrukelig. Den er en påstand om at raske kapasitetsforbedringer kanskje ikke er verdt den langsiktige avhengigheten. For ByteDance er avveiningen ifølge rapportene uvanlig tydelig: Seed vil heller tape dagens kappløp enn å bygge fremtiden på andres svar. 19