字节 Seed 基模团队调整：四个一级部门成形，或为超大参数模型与多模态 Omni 铺路
据 IT之家援引晚点 LatePost 8 月 19 日晚间消息，字节跳动大模型部门 Seed 已于上周完成新一轮组织架构调整。此次变化的核心，是 Seed Foundation Model（Seed 基础模型）新设四个一级部门，分别覆盖预训练数据、强化学习以及面向 B 端与 C 端应用的后训练方向。来源显示，这次调整发生在字节跳动讨论训练参数规模超过 5 万亿的大模型计划之后，也被外界视为其为更大规模基础模型、多模态 Omni 模型和 Agentic 应用能力建设提前理顺研发体系。
从公开信息看，Seed 这次并非简单更名或人员微调，而是将过去按文本、代码、视觉、推理等模态和研究方向分散配置的数据、后训练资源，重新按能力层和产品任务进行整合。对一家正在同时推进基础模型、智能体、办公自动化与对话产品的公司来说，减少重复建设、统一关键能力接口，可能比单点模型指标更重要。
四个一级部门：从“按模态分工”转向“按能力层分工”
来源显示，Seed Foundation Model 新成立的四个一级部门分别是 Pretrain Data、Horizon RL、Product Posttrain-Work 和 Product Posttrain-Chat，相关负责人均向吴永辉汇报。
- Pretrain Data：负责人为李成刚。该部门由原先分散在文本模型、编程、视觉理解和语音等方向的预训练数据团队合并而来，统一负责新 Omni 模型的多模态数据，以及超大模型预训练所需的数据工作。
- Horizon RL：负责人为唐晟宇。该部门整合此前分布在后训练、推理和视觉理解等方向的后训练团队，主要负责强化学习，以提升模型基础智能上限。
- Product Posttrain-Work：负责人为秦禹嘉。该部门主要服务 B 端应用，负责 Agentic 模型的整合与发布，并围绕办公场景优化模型的智能体能力，包括支持豆包和 Dola 的任务模式。
- Product Posttrain-Chat：由原本朱文佳负责的 Application 团队更名而来，主要服务 C 端应用，负责对话模型的整合与发布，并与 Work 方向形成分工。
这一结构变化释放出一个明确信号：Seed 正在把基础模型研发拆解为更清晰的“数据—强化学习—产品后训练”链条。过去，文本、代码、视觉、推理等方向各自拥有数据与后训练团队，有助于早期快速补齐能力短板；但随着模型形态从单一模态走向多模态、从聊天走向复杂任务执行，类似能力在多个团队中重复建设，协作成本也会被放大。
超大模型计划背后，数据与强化学习成为关键瓶颈
据 IT之家此前报道，字节跳动本月早些时候被曝正在讨论训练参数规模超过 5 万亿的大模型。来源称，如果该计划推进，其规模将超过阿里的 Qwen 3.8-Max 和月之暗面的 K3，并成为目前国内已知参数规模最大的模型之一。不过，该计划仍处于早期阶段，尚不能等同于已正式落地。
对于超大参数模型而言，组织效率本身就是技术能力的一部分。参数规模扩大，通常意味着训练数据治理、算力调度、模型稳定性、对齐与后训练流程都会同步变复杂。尤其在多模态 Omni 模型方向，数据不再只是文本语料，还会涉及视觉、语音、代码等多种模态之间的质量筛选、配比与统一表达。
因此，Seed 将 Pretrain Data 单独升格为一级部门，具备较强的现实指向：在超大模型竞争中，数据工程能力正在从支撑环节变成核心战场。同时，Horizon RL 的成立也说明，强化学习不再只是某个模型方向的后处理工具，而是被纳入提升模型基础智能上限的统一平台能力。
影响解读：从模型研发竞争，走向产品任务竞争
这次调整中另一个值得关注的变化，是应用后训练团队被拆成 Work 与 Chat 两个方向。前者面向 B 端办公和任务执行，后者面向 C 端对话体验。相比过去大模型产品普遍以“聊天入口”作为主要形态，字节将 Work 单独设为一级方向，说明其更重视模型在真实任务流中的可执行能力。
所谓 Agentic 能力，核心不只是回答问题，而是理解目标、拆解步骤、调用工具并完成任务。对于办公场景而言，这意味着模型需要更稳定地处理文档、信息检索、流程协同、任务规划等复杂工作。来源提到 Product Posttrain-Work 将支持豆包和 Dola 的任务模式，显示字节希望把基础模型能力进一步嵌入具体产品和工作流。
对中文 AI 产业观察者来说，这次组织调整的意义不止于“字节要训练更大模型”。更关键的是，国内头部厂商的大模型竞争正在进入新阶段：一方面继续比拼基础模型规模和多模态能力，另一方面也在比拼谁能更快把模型转化为可交付的 Agent、办公助手和企业级工具。组织架构是否能降低内耗、打通研究与产品之间的链路，将直接影响模型迭代速度。
总体来看，Seed 此次调整符合大模型研发从探索期走向工程化、平台化的趋势。按来源公告中的说法，此举意在“合并相似工作、减少重合”。如果超 5 万亿参数模型讨论继续推进，统一的数据、强化学习和产品后训练体系，将成为字节在下一轮基础模型竞争中的重要前置条件。