Dlaczego ByteDance woli zostać w tyle, niż kopiować modele rywali

Założyciel ByteDance, Zhang Yiming, miał ponownie potwierdzić rygorystyczną zasadę obowiązującą w zespole Seed zajmującym się sztuczną inteligencją: nie poprawiać własnych modeli poprzez destylowanie wyników systemów konkurencji — nawet jeśli oznacza to słabsze rezultaty w krótkim terminie. Reuters, powołując się na chińskie doniesienia, opisał tę decyzję jako świadomą rezygnację z natychmiastowych korzyści na rzecz długofalowego rozwoju AI. 1

Na czym polega destylacja modeli?

Destylacja pozwala słabszemu modelowi uczyć się na odpowiedziach modelu bardziej zaawansowanego. Dzięki temu można szybciej i przy mniejszych nakładach odtworzyć część jego możliwości, na przykład sposób rozumowania czy wyniki w określonych testach.

Z perspektywy Seed problem nie sprowadza się jednak wyłącznie do praw licencyjnych albo dostępu do API. Obawa jest bardziej strategiczna: korzystając z odpowiedzi rywala, ByteDance mogłoby stworzyć bardzo sprawnego naśladowcę, którego kierunek rozwoju nadal zależałby od metod, ocen i rozumienia inteligencji przyjętych przez inne laboratorium. 49

Jak ewoluowała ta zasada?

2023: dane wygenerowane przez GPT przestają być akceptowane

Według relacji podsumowanych przez Pekingnology i Pandaily, początkowe zespoły Seed eksperymentowały z materiałami wygenerowanymi za pośrednictwem API GPT. Po wprowadzeniu przez ByteDance kontroli połączeń z API w kwietniu 2023 roku zespół miał przyjąć zasadę wykluczającą dane wygenerowane przez GPT ze zbiorów treningowych ByteDance. Z czasem reguła została rozszerzona na modele konkurencji w ogóle. 914

To istotne rozróżnienie. Nie chodziło już tylko o zakaz korzystania z konkretnego, zamkniętego API. Zgłaszana polityka stała się szerszą decyzją, zgodnie z którą model innej firmy — niezależnie od tego, czy jest zamknięty, czy udostępniony z publicznymi wagami — nie powinien pełnić roli nauczyciela dla Seed. 910

2025: DeepSeek-R1 ożywia wewnętrzną dyskusję

Debata miała powrócić po tym, jak w styczniu 2025 roku DeepSeek-R1 pokazał wysoką skuteczność w zadaniach wymagających rozumowania oraz efektywność kosztową. Część badaczy Seed argumentowała podobno, że odpowiedzi bardziej zaawansowanych amerykańskich systemów mogłyby uzupełnić własne prace ByteDance i szybciej poprawić zdolności rozumowania. Według relacji Zhang Yiming odrzucił ten pomysł, uznając go za poleganie na zapożyczonych możliwościach. 9

Doniesienia, że sam DeepSeek wykorzystywał dane syntetyczne pochodzące z czołowych amerykańskich modeli, pozostają na podstawie dostępnych tu materiałów spekulacją branżową, a nie niezależnie potwierdzonym faktem. Nie należy mylić tej niepewności z odrębną i lepiej udokumentowaną relacją o wewnętrznej zasadzie Seed.

2026: presja konkurencyjna staje się trudniejsza do zignorowania

Argumenty za destylacją stawały się coraz bardziej kuszące, gdy chińscy twórcy AI mierzyli się z ostrą konkurencją dotyczącą sprzętu, możliwości modeli i wyników benchmarków. Według doniesień badacze Seed śledzili szybki rozwój najnowocześniejszych systemów oraz pojawienie się Kimi K3 firmy Moonshot — wydajnego modelu z publicznie dostępnymi wagami, który konkurenci mogli analizować i potencjalnie wykorzystywać jako źródło danych treningowych. 914

W tym momencie polityka przestała być abstrakcyjną preferencją badawczą, a stała się realnym strategicznym wyborem. Destylacja silniejszego modelu mogłaby szybko zmniejszyć mierzalną różnicę. Rezygnacja z niej mogłaby natomiast sprawić, że Seed pozostanie w tyle, podczas gdy konkurenci będą rozwijać się szybciej. Na zgłaszanym spotkaniu całego zespołu Seed w 2026 roku Zhang miał mimo to jasno postawić sprawę: przejściowe słabsze wyniki są lepsze niż destylowanie systemów rywali. 110

Dlaczego zakaz obejmuje również modele z publicznymi wagami?

Zgłaszany zakaz jest wyjątkowo szeroki, ponieważ koncentruje się na zależności, a nie wyłącznie na sposobie uzyskania dostępu. Zamknięty model używany przez API i model z publicznie dostępnymi wagami wiążą się z innymi kwestiami technicznymi oraz licencyjnymi. Oba mogą jednak stwarzać podobne ryzyko strategiczne: deweloper uczy się rozwiązań innego laboratorium, zamiast opracowywać własne. 914

Nie oznacza to, że każda forma transferu wiedzy jest identyczna ani że każde wykorzystanie publicznych wag jest niewłaściwe. Oznacza natomiast, że wewnętrzny standard Seed był podobno surowszy niż zwykła reguła zgodności zakazująca nieuprawnionego masowego odpytywania zamkniętego API. Dostępne relacje mówią o zakazie wykorzystywania czołowych modeli innych firm jako nauczycieli, także wtedy, gdy ich wagi są publicznie dostępne. 1014

Jak oskarżenia dotyczące Claude zmieniły kontekst?

Znaczenie tej polityki wzrosło w związku z zarzutami dotyczącymi innych chińskich firm AI. Anthropic oskarżył Alibaba, DeepSeek, Moonshot, MiniMax i Z.ai o wykorzystywanie kont lub pośredników do pozyskiwania odpowiedzi Claude’a na potrzeby treningu. ByteDance nie znalazł się na tej liście. Osobno przedstawiciel władz USA oskarżył Moonshot o niewłaściwe wykorzystanie modelu Anthropic do trenowania Kimi K3. Są to zarzuty, a nie ustalenia potwierdzone przez przedstawione tu dowody. 69

Co kluczowe, zgłaszane ograniczenia w Seed sięgają 2023 roku, a więc okresu sprzed późniejszych kontrowersji politycznych. Oznacza to, że zarzuty najprawdopodobniej wzmocniły znaczenie stanowiska Zhanga, ale go nie stworzyły. 9

Zakład ByteDance: niezależność zamiast naśladownictwa

Stanowisko Zhanga najlepiej rozumieć jako zakład dotyczący sposobu budowania najbardziej zaawansowanych systemów AI. Destylacja może szybko poprawić odpowiedzi modelu, jego schematy rozumowania albo wyniki w benchmarkach. Jeśli jednak zespół regularnie trenuje na odpowiedziach konkurenta, może zacząć optymalizować model pod jego sposób rozumienia inteligencji: preferowane rozkładanie problemów, sygnały nagrody, odpowiedzi i cele ewaluacyjne. 910

Seed ma podobno wybrać wolniejszą drogę — inwestować we własne dane, metody treningu, architekturę i priorytety badawcze. Koszt jest oczywisty: zespół może pozostawać niżej w rankingach, podczas gdy rywale korzystają z dostępnych skrótów. Potencjalną korzyścią ma być większa niezależność oraz możliwość opracowania przełomowych rozwiązań, których nie ograniczają decyzje obecnego lidera.

Nie jest to więc twierdzenie, że destylacja jest technicznie bezużyteczna. To raczej ocena, że krótkoterminowy wzrost możliwości może nie być wart długoterminowej zależności. W przypadku ByteDance zgłaszana instrukcja Zhanga wyjątkowo jasno pokazuje tę kalkulację: Seed woli przegrać dzisiejszy wyścig, niż budować swoją przyszłość na kopiowaniu cudzych odpowiedzi. 19