ByteDance satser på en AI-modell i 10-billionersklassen

Det er likevel langt fra sikkert at modellen ender på 10 billioner parametere, eller at den blir offentlig tilgjengelig. Prosjektet er fortsatt i en tidlig fortreningsfase, og Reuters har ikke kunnet bekrefte Financial Times' opplysninger uavhengig .

Hvor langt har ByteDance kommet?

Ifølge en Financial Times-rapport fra 7. august 2026 har ByteDance begynt å forhåndstrene en stor språkmodell med en øvre grense på 10 billioner totale parametere . Fortreningen alene ventes vanligvis å ta tre til seks måneder, før modellen eventuelt finjusteres og lanseres .

Den endelige størrelsen er ikke avgjort. ByteDance vurderer fortsatt om modellen skal trenes helt opp til 10-billionersgrensen . En tidligere rapport fra LatePost samme dag omtalte et prosjekt på mer enn 5 billioner parametere, noe som kan tyde på at ambisjonene senere ble utvidet .

Slik står modellen mot Mythos 5 og Kimi K3

På papiret vil ByteDance-modellen dermed ligge nær eller litt over Anthropic Mythos 5, som er anslått til rundt 8 billioner parametere . Men antall parametere er først og fremst et grovt mål på modellens arkitektur – ikke en direkte fasit på hvor nyttig eller intelligent den er.

Den viktige forskjellen: totale og aktive parametere

Tallet på 10 billioner viser ifølge rapportene til totale parametere, altså alle parameterne i modellens samlede arkitektur. Mange moderne modeller bruker imidlertid en såkalt Mixture-of-Experts-arkitektur (MoE). Da aktiveres bare en del av modellen for hver forespørsel.

En modell med 10 billioner totale parametere kan derfor i praksis bruke kanskje 1–2 billioner aktive parametere når den svarer på et spørsmål. Hvor stor andel som faktisk aktiveres, er avgjørende for både ytelse, energibruk og hvor rettferdig sammenligningen med andre modeller blir .

Financial Times og den påfølgende dekningen har ikke avklart om 10-billionerstallet gjelder totale parametere, aktive parametere eller en kombinasjon. Derfor bør tallet foreløpig leses som en ambisjon for modellens maksimale arkitekturstørrelse – ikke som et bevis på at ByteDance allerede har en modell som matcher Mythos 5.

Zhang Yiming vil unngå snarveien

ByteDance-grunnlegger Zhang Yiming skal ha instruert Seed-teamet om ikke å bruke AI-destillering fra konkurrerende modeller i utviklingen av den nye modellen .

Ved modell-destillering trenes en modell på svarene fra en større eller kraftigere «lærermodell». Metoden kan gi raske forbedringer, men har samtidig blitt et omstridt tema i AI-bransjen, blant annet på grunn av spørsmål om immaterielle rettigheter og hvor selvstendig den nye modellen egentlig er.

Zhang skal ha sagt at ByteDance må akseptere å ligge bak innenlandske konkurrenter på kort sikt for å bygge en mer selvstendig teknologisk plattform på lang sikt. Han skal ha knyttet strategien til prinsipper som langsiktighet og «utsatt belønning» . Beslutningen kan også henge sammen med ByteDances kompliserte forhold til amerikanske myndigheter gjennom TikTok, samt ønsket om å redusere juridisk og eksportkontrollrelatert risiko .

Et stort Seed-team med tung ledelse

ByteDance opprettet Seed-divisjonen tidlig i 2023, etter gjennombruddet til ChatGPT . Teamet skal nå bestå av rundt 2 000 personer i Kina og andre steder, inkludert forskere, infrastrukturingeniører og medarbeidere som arbeider med datamerking .

Sentrale personer og organisatoriske endringer er:

• Wu Yonghui leder den grunnleggende AI-forskningen. Han er tidligere forskningssjef i Google DeepMind og Google Fellow, og begynte i ByteDance i februar 2025 .
• Xiang Liang leder Seed Foundation-prosjektet som knyttes til den nye modellen, i samarbeid med dataansvarlige Shen Ke .
• Wu Yonghui rapporterer direkte til ByteDance-sjef Liang Rubo .
• I 2025 ble ByteDances AI Lab og robotikkteam innlemmet i Seed, slik at selskapets arbeid med grunnmodeller i større grad ble samlet i én divisjon .

En del av den tilspissede AI-konkurransen mellom USA og Kina

Prosjektet kommer mens Kina og USA konkurrerer om tilgang til de mest avanserte AI-modellene, databrikkene og datasentrene. Amerikanske eksportrestriksjoner på avanserte AI-brikker gjør at ByteDance må basere seg på kinesisk maskinvare og lagrede brikker .

Ifølge TechTimes har ByteDance bygget ut infrastrukturen i stor skala, og Zhang Yiming skal selv ha fulgt med på hvordan datakapasiteten ble fordelt . Kinas AI-sektor fikk samtidig ny selvtillit etter lanseringen av DeepSeek R1 i januar 2025, som viste at kinesiske selskaper kunne oppnå konkurransedyktige resultater til tross for begrenset tilgang til de mest avanserte brikkene .

Også Mythos 5 har blitt behandlet som mer enn et vanlig kommersielt produkt. Anthropic-modellen ble i juni 2026 trukket inn i amerikanske nasjonale sikkerhetsdiskusjoner, og tilgangen ble midlertidig begrenset før den delvis ble gjenåpnet for såkalte betrodde organisasjoner . Det illustrerer hvordan de kraftigste AI-modellene i økende grad blir betraktet som strategiske ressurser.

ByteDance holder kortene tett til brystet

ByteDance har ikke sagt om 10-billionersmodellen skal lanseres offentlig. Selskapets AI-strategi har i hovedsak vært lukket og tett integrert med egne produkter, i motsetning til selskaper som Meta, som har gjort Llama-modeller tilgjengelige som åpen kildekode, og enkelte kinesiske konkurrenter som DeepSeek.

For forbrukere er Doubao (豆包) ByteDances viktigste AI-merkevare. Tjenesten bruker Seed-modeller i blant annet chat, assistentfunksjoner og innholdsproduksjon . Selskapets prioriteringer for 2026 skal også omfatte verdensmodeller, en kodeagent kalt Seedance og videre kommersialisering av Doubao .

Dersom 10-billionersmodellen faktisk blir ferdigstilt, er det derfor mulig at den først og fremst blir brukt som teknologisk grunnmur for Doubao og andre interne tjenester – ikke lansert som en separat, åpen modell. ByteDance har foreløpig ikke offentliggjort noen slik beslutning.

Konklusjonen: Et enormt prosjekt, men mange ubesvarte spørsmål

ByteDance satser på en modell i en størrelsesklasse som kan sette selskapet i direkte konkurranse med Anthropic og andre amerikanske frontlableverandører. Men prosjektet er fortsatt tidlig, den endelige parameterstørrelsen er uavklart, og selve rapporten er ikke uavhengig bekreftet av Reuters.

Det mest interessante er derfor ikke bare tallet 10 billioner. Det er også valget om å bygge modellen uten å lene seg på destillering fra konkurrenter, samtidig som selskapet må håndtere brikkebegrensninger, enorme infrastrukturkostnader og en stadig mer geopolitisk AI-konkurranse.