我其实挺喜欢字节 Seed 这次“不靠蒸馏别人来追模型能力”的思路。

因为这件事真正重要的，可能根本不是“蒸馏好不好”，而是：**一家想做 Frontier Model 的公司，到底是追答案，还是找规律。**

如果今天 Claude、GPT、Gemini 某个能力突然变强，最简单的办法是什么？

大量采样它的输出，拿回来训练，benchmark 很快就能涨，团队 KPI 也很好看。

但问题是：

**你得到了能力，不代表你理解了能力。**

你知道什么样的答案是对的，却未必知道：

为什么 pre-training 到这里突然出现这种能力？为什么某种数据能提升泛化？为什么 RL 能让 reasoning 突然变强？到底是 architecture、data、reward，还是 scaling 在起作用？

这其实是一种“认知债务”。

老师能考 97 分，你通过模仿老师，也许很快就能从 90 分追到 96 分。

但问题来了：

**97 到 100，怎么走？**

如果你的方法论一直都是“模仿最强的人”，那你大概率只能越来越像他，却很难发现他也没找到的东西。

所以我觉得张一鸣这个思路最有价值的地方，是在改变整个研究团队的激励函数。

没有那么强的短期榜单 KPI 以后，模型能力不够怎么办？

那就只能真的去研究：

数据到底哪里有问题，pre-training 怎么改，RL environment 怎么设计，reward 怎么塑造模型行为，architecture 哪里还能变，inference-time compute 怎么扩展，为什么这个 case 会失败。

**你不得不把机器拆开，真正去理解智能到底是怎么产生的。**

这对一家真正想冲击 AGI 的公司，可能比短期 leaderboard 排名重要得多。

当然，我并不认为“蒸馏”这项技术本身没有价值。

如果未来字节自己训练出了一个巨大的 frontier model，再把自己的能力蒸馏到更小、更便宜的模型里，用来降低推理成本，这完全合理。

所以我更认可的表达其实是：

**核心智能自己发现，部署效率可以自己蒸馏。**

不靠蒸馏别人获得 intelligence，但可以蒸馏自己压缩 intelligence。

这是两件完全不同的事情。

今天中国大模型竞争很容易变成：

Kimi 出一个 → Qwen 跟 → DeepSeek 跟 → 字节跟，大家在 benchmark 上互相追赶。

但 Frontier AI 真正应该问的问题，从来不该只是：

**“怎么做到 Claude 的水平？”**

而应该是：

**“Claude 之后是什么？”**

如果你的训练数据里充满了 Claude 的行为分布，本质上你已经默认 Claude 是正确答案。

但真正伟大的研究组织，必须允许研究员相信：

**Claude 也可能是错的。**

所以我反而越来越觉得，对 Frontier Lab 来说，长期最稀缺的未必只是算力。

还有一种更稀缺的东西：

**允许一群顶尖研究员连续几年不交漂亮 KPI，只为了真正搞清楚模型为什么会变聪明。**

短期看，这条路可能更慢。

但如果大模型今天还有大量底层规律没有被发现，那么最终最有价值的，恰恰可能是这种“慢”。

**不追答案，去找规律。**

我觉得这才是字节这件事真正值得关注的地方。成为TA的V+会员