比现有国产最大模型大三倍多

参数是衡量模型「体量」最直观的指标，指的是模型在训练中学到的那组数值，决定了它存储信息和记忆的上限。据《金融时报》报道，字节跳动这一模型目前处于预训练的早期阶段，这一阶段通常要持续三到六个月，之后如果顺利，才会进入微调和最终发布，确切规模要到更后期才能确定。

横向一比就清楚了：月之暗面的 Kimi K3 是此前中国已发布的最大模型，参数为 2.8 万亿；阿里的 Qwen 3.8-Max 为 2.4 万亿；DeepSeek 的 V4-Pro 约 1.6 万亿。字节跳动这枚新模型最高可达 10 万亿，相当于 Kimi K3 的三倍多，把 Alibaba 和 DeepSeek 一并甩在身后。

美国那边，Anthropic 从不公开自家模型的参数规模。业内普遍估计，其最先进的 Mythos 5 大约在 8 万亿参数上下，更广泛开放的 Fable 5 约 5 万亿。也就是说，若字节跳动真冲到 10 万亿，它在「体量」这一项上已经和美国最顶尖的系统处在同一区间。

钱和人早就铺好了

能撑起这种量级的训练，靠的是真金白银。报道提到，字节跳动已将 2026 年的 AI 资本开支计划从去年初拟定的 1600 亿元人民币，上调到 2000 亿元以上（约 300 亿美元），其中大约一半用于采购芯片。

带队的是内部的研究组织 Seed 团队，由前 Google DeepMind 科学家吴永辉领衔，目前在中外合计约 2000 人。在消费者端，字节跳动的豆包 AI 助手月活已达约 3.24 亿，是国内最大的 AI 应用；视频生成模型 Seedance 也被不少从业者视为当前全球表现最好的同类产品。从短视频起家的公司，已经把地基挖到了基础模型的深处。

创始人张一鸣给团队定了一条有点「轴」的规矩：不要依赖「蒸馏」——也就是拿更强模型的输出去训练或改良自己的小模型——哪怕短期性能会因此吃亏。在他看来，抄近路会伤到长期的技术突破，宁可慢一点也要走自研。这也能解释为什么字节跳动至今坚持闭源路线，和阿里、DeepSeek 走开源的思路截然不同。

但「10 万亿」不等于「比 Anthropic 强」

说白了，参数规模是最容易被误读的数字。字节跳动披露的是「总参数」，而决定模型实际能力的，还有架构、数据质量和训练方法。当前几乎所有前沿模型都采用混合专家（MoE）架构，推理时只激活一小部分参数：DeepSeek 的 V4-Pro 总参数 1.6 万亿，真正在每次推理时激活的只有约 490 亿，仅占总量的 3%。换句话说，10 万亿描述的是「要存多大」，而不是「有多聪明」。

《金融时报》也明确点出，这枚模型尚未完成训练，更没有经过独立基准测试，现在就拿它和 Anthropic 比高下为时过早。但它释放的信号足够清晰：中国 AI 公司不再满足于做低成本、跟跑式的模型，而是开始正面冲击前沿。

按三到六个月的预训练节奏推算，这枚模型最早也要到 2027 年初才可能公开亮相。在那之前，外界能做的只有一件事——等它练完，再看激活参数到底是多少。

来源：英国《金融时报》（FT）、路透社

目前 Seedance 2.5 已陆续上线豆包、即梦 AI、扣子、小云雀等字节旗下产品，接口服务也将在近期上线火山方舟，通过火山引擎面向企业用户开放。

从“生成一个片段”到“完成一段创作”

Seed 团队在发布说明中给出了这次升级的出发点：

“Seedance 2.0 发布后，我们观察到，用户对视频创作模型的期待正在从‘生成一个片段’走向‘完成一段创作’。Seedance 2.5 延续了 Seedance 2.0 统一的多模态音视频联合生成架构，重点突破长叙事能力、多模态参考能力和编辑能力。”

这句话基本概括了这一代模型的产品思路——不再只比谁生成的几秒画面更炫，而是看能否把一个完整的创意从头做到尾。

单次时长翻倍到 30 秒，支持多轮延长

最直观的变化是时长。Seedance 2.5 把单次视频生成时长从 15 秒提升至 30 秒，并支持多轮延长。

时长翻倍带来的不只是“更长”。团队称模型优化了镜头衔接和场景过渡，可以在 30 秒内组织多个具备逻辑关联的镜头，让一个故事按照铺垫、推进、转折、收尾的结构完整展开。配合多轮延长，用户可以产出数分钟具有统一视听语言的连贯内容。

画质、音质和运动质量也做了大幅优化，并明确针对 AI 视频常见的“油腻感”做了弱化处理——这是当前生成视频最容易被一眼识破的通病之一。

一次最多喂 50 份参考素材

多模态参考能力这一块，Seedance 2.5 支持用户单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，合计 50 份。

模型可以综合理解不同素材的构图、场景、风格、人物等元素，实现多主体、多场景、多镜头变化的复杂创意。参考类型上，白模参考、运动参考、创意参考等能力均有提升。据媒体报道，新版本还增加了白模与绿幕参考能力，并原生支持十余种语言，以适配多语言、多版本的工业化生产需求。

对内容团队来说，这项能力的实际意义在于可控性：不必反复调整提示词去“碰运气”，而是直接把想要的角色形象、场景基调、音乐节奏作为素材喂进去。

支持时间戳级别的定向编辑

编辑能力是这一代的第三个重点。Seedance 2.5 支持精准的时间戳控制，可以对视频内容做定向编辑，而不必推倒重来。

同时，模型强化了绿幕编辑、视角编辑、参考编辑等多种编辑能力，可以在维持整体画面节奏的前提下，对背景、商品、人物等局部元素做精准修改，面向影视、广告等更专业、更复杂的创作场景。

对商业化内容生产而言，这一点相当关键——同一支广告片换个产品、换个背景、出一个不同市场的版本，此前往往意味着整段重新生成。

首批企业客户已确认

据火山引擎方面透露，Seedance 2.5 发布当日，徐工集团、小鹏汽车、灵初智能、微分智飞、穹彻智能等多家企业已确认合作，将率先引入该模型能力。这些企业此前已经基于 Seedance 系列模型展开了场景落地探索。

团队承认的短板

Seed 团队在发布说明中也直接点出了当前版本的不足：在复杂运动的物理合理性、以及极多主体交互场景的稳定性上，模型仍有提升空间。

团队表示，后续将继续探索更长的连贯叙事、更懂用户的生成与编辑体验，并进一步增强模型对物理世界规律的理解。

从行业角度看，视频生成模型的竞争焦点正在从单纯的画质与时长，转向可控性和工业化流程适配。谁能让创作者少改几遍、少等几轮，谁就更有机会进入真实的生产管线。

来源：36氪（https://36kr.com/newsflashes/3919079681715588 ）、新京报贝壳财经、上海证券报