在AI大模型领域竞争愈发激烈的当下，技术路线的选择成为行业焦点，其中模型蒸馏技术引发的争议不断升温。近日，字节跳动创始人张一鸣在Seed团队内部会议上的发言，将这一话题再次推到风口浪尖。他明确表示，字节跳动不会依赖AI蒸馏技术改进模型，认为蒸馏会干扰真正意义上的长期技术突破，强调做模型要坚持长期主义，愿意为长期目标牺牲短期收益。
模型蒸馏，即知识蒸馏，是一种模型压缩与知识迁移技术。清华大学基础科学讲席教授刘嘉在《通用人工智能》一书中解释，它如同老师指导学生，利用已训练好的复杂大模型输出的数据，指导更小型、更高效模型训练。其核心是用性能强大的“教师模型”对大量任务生成结果，再用这些结果训练更小的“学生模型”。“学生模型”不仅学习正确答案，还学习“教师模型”对不同答案的判断方式。
然而，这项看似中性的技术工具，却因诸多现实问题成为技术路线争议的焦点。今年初，Anthropic指控多家国内公司通过虚假账户与Claude交互，实施“工业化规模的蒸馏攻击”。不久前，Kimi K3发布时也陷入蒸馏争议，OpenAI战略未来负责人迪恩·鲍尔公开抨击，但月之暗面副总裁黄震昕回应称，K3性能跃升源于底层原创架构创新，并非对现有模型进行蒸馏复刻。
蒸馏技术优势明显。新模型可直接学习现有前沿模型的推理步骤，不必仅依赖原始训练数据，小模型能以极低成本达到接近大型模型的效果，大幅节省算力开销。效率方面，前沿模型公司会通过蒸馏自己的模型，推出成本更低、速度更快的小模型，这是一种行业通行的“自蒸馏”方式。
但蒸馏的代价也不容忽视。过度蒸馏可能导致模型同质化，降低多样性，削弱模型稳健处理复杂或新任务的能力。从技术能力看，学生模型上限受限于教师模型，若整个行业都蒸馏同一个顶尖闭源模型，所有模型将趋同，原创性突破难以实现。蒸馏还存在文化自主性方面的隐蔽代价。刘嘉教授指出，这种省钱、省时的技术路线可能在文化自主性、价值观独特性方面付出长远代价，蒸馏出的国产大模型虽以中文回答问题，却可能继承被蒸馏模型背后的价值体系与意识形态。
刘嘉教授还提出疑问，即使大模型对齐了某种认可的价值观，也会面临动态调整问题。若AI模型频繁调整以匹配主流价值观变化，是否意味着AI只是迎合某种价值观的工具，失去独立性？在更复杂的伦理和社会问题上，如何“公平”进行对齐，始终是充满争议和挑战的伦理问题。
在争议中，字节跳动选择不蒸馏，这一选择在业内引发不同评价。部分观点认为，蒸馏与否是选择问题，无绝对对错；但也有不少用户指出，豆包在复杂推理和代码能力上与头部模型差距明显，“不蒸馏”或许是落后原因。在模型能力被海外SOTA持续拉开差距的当下，用户和市场未必有耐心等待“长期”到来。
今年以来，国内开源模型上新速度加快，能力迭代迅速，给字节跳动带来更大压力。有字节员工表示，Seed团队内部关于是否转向蒸馏的争论由来已久。OpenRouter数据显示，开源模型处理的token占比从2026年1月的34%上升至6月的65%。6月至7月间，智谱GLM - 5.2、Kimi K3、DeepSeek - V4 - Flash正式版等多个大模型密集发布，国产开源模型从代码、全模态、超大规模MoE等多个方向接近全球顶级闭源模型。
面对激烈竞争，字节跳动选择用短期排名落后换取长期技术突破的门票。字节跳动CEO梁汝波在年中全员会上表态，相信AGI、坚持自研是未来字节AI业务的核心方向，接下来大语言模型会坚持自研，做好基本功，接受短期落后，坚持优化长期。火山引擎总裁谭待以视频模型为例，在To B领域，只有SOTA模型才能率先解锁高经济价值的创造场景，Seedance 2.0推动了视频生成技术应用于严肃和商业内容生产场景。对于大语言模型被海外SOTA拉开差距，谭待认为当下最重要的是做好基本功，通过不取巧的方式进入第一梯队。梁汝波补充说，最重要的是动作不要变形，心态上要接受大语言模型一段时间的落后，坚持自研和优化长期。
梁汝波还回应了外部猜测，称坚持自研并非因外部压力，而是希望团队延迟满足感，打好技术基础，这对长期实现AGI很关键。不过，这条路能否走通仍是未知数，在算力成本高昂、开源生态迅猛迭代的当下，字节跳动需承担巨大机会成本。张一鸣的“长期主义”能否被市场和时间验证，取决于其自主研发的底牌能否支撑熬过这场漫长的追赶。
