Объяснение запрета ByteDance на дистилляцию ИИ-моделей

Редкое распоряжение основателя ByteDance: никакой дистилляции, даже ценой отставания

6 августа 2026 года Чжан Имин нарушил молчание. Основатель ByteDance, который редко выступает на встречах исследовательской команды Seed AI компании, отдал недвусмысленное распоряжение: ByteDance не будет дистиллировать конкурирующие ИИ-модели, даже если это означает отставание от конкурентов.

«Разработка ИИ-моделей требует долгосрочного подхода и умения откладывать вознаграждение, а не использования чужих результатов ради краткосрочного подъёма в рейтингах», — сказал Чжан на недавней внутренней встрече, сообщает The Paper. Он заявил, что ByteDance «должна быть готова пожертвовать частью краткосрочных выгод ради долгосрочных целей». (✅ Подтверждено: The Paper, Reuters, Beijing News)

Согласно подробному китайскоязычному материалу технологического журналиста Ло Ихана, опубликованному в Guixinren, Чжан несколько раз говорил команде Seed: «Мы можем смириться с временным отставанием, но не прибегать к дистилляции». (✅ Подтверждено: Pekingnology, пересказывающий Guixinren)

Что такое дистилляция моделей?

«Дистилляция» — базовый метод в сфере ИИ, название которому в 2015 году дали Джеффри Хинтон и его коллеги. Суть метода: мощная модель-«учитель» генерирует результаты, на которых обучается меньшая модель-«ученик». Благодаря этому «ученик» может приблизиться по производительности к «учителю», затрачивая лишь малую часть вычислительных ресурсов.

Google, OpenAI и Amazon используют дистилляцию как стандартную практику. Метод широко считается нейтральным и представляет собой обычный способ снижения затрат на обучение и распространения возможностей ИИ.

Но в 2026 году дистилляция стала одним из самых острых понятий в технологическом соперничестве США и Китая. Вопрос теперь не только технический, но и геополитический: если китайская компания использует результаты работы передовой американской модели для обучения собственной, является ли это законным обучением или кражей интеллектуальной собственности?

Seed от ByteDance: линейка моделей

Чтобы понять, с каким давлением сталкивается Чжан, полезно знать, что разработала команда Seed и в чём её модели уступают.

Команда Seed — внутреннее исследовательское подразделение ByteDance в области ИИ, отвечающее за языковые и мультимодальные модели. Потребительский бренд команды — Doubao, самый популярный ИИ-чат-бот в Китае: по состоянию на начало 2026 года у него 155 миллионов активных пользователей в неделю. Корпоративный API предоставляется через облачную платформу ByteDance Volcano Engine. (✅ Подтверждено: Reuters, EvoLink)

Модели команды Seed выходят в быстром темпе:

По результатам бенчмарков Seed 2.0 Pro выглядит конкурентоспособной: 98,3 балла в AIME 2025, рейтинг 3020 в Codeforces и 89,5 балла в VideoMME (выше человеческого показателя в 73%). В LMSYS Chatbot Arena модель поднялась на 6-е место в общем зачёте текстовых моделей и на 3-е — среди моделей для работы с изображениями. (✅ Подтверждено: EvoLink)

Но отставание вполне реально. В SWE-Bench Verified (где проверяется исправление реальных ошибок в GitHub) Seed 2.0 Pro набирает 76,5% против 80,9% у Claude Opus 4.5. В Terminal Bench 2.0 модель уступает GPT-5.2 (55,8 против 62,4). ByteDance сама признаёт эти пробелы. Модель также хуже западных конкурентов справляется с тем, чтобы избегать галлюцинаций. (✅ Подтверждено: EvoLink)

Что важнее, флагманские модели Doubao закрыты и доступны только через API. В отличие от DeepSeek, Qwen или Kimi K3, публикующих открытые веса, ByteDance выпускает лишь более компактные модели под маркой «Seed-OSS». Флагманские модели нельзя скачать, развернуть на собственных серверах или независимо оценить силами сообщества открытого исходного кода. Поэтому посторонним сложнее проверить возможности моделей ByteDance, а сама компания практически не представлена в международных рейтингах, где основное внимание привлекают модели с открытыми весами. (✅ Подтверждено: AITraining2U)

Проблему усугубляют ограничения вычислительных ресурсов. ByteDance обучила Seedance 2.0 на чипах Nvidia H20 — соответствующей экспортным ограничениям альтернативе B200. Производительность H20 при обучении составляет лишь малую долю от производительности B200, и с каждым новым поколением американских чипов это структурное отставание увеличивается. (✅ Подтверждено: Pekingnology)

Именно на этом фоне Чжан занял принципиальную позицию: у компании 155 миллионов пользователей, сильные возможности генерации видео, конкурентоспособные, но не лидирующие языковые модели, отсутствие открытых весов и нехватка вычислительных ресурсов, которую дистилляция теоретически могла бы компенсировать.

Три внутренних спора

Антидистилляционная позиция ByteDance не возникла за одну ночь. Согласно материалу Guixinren, история этой политики началась в 2023 году, когда инженеры использовали данные, полученные через API GPT от OpenAI, в исследовательской работе с небольшой моделью. В апреле 2023 года команда моделей ByteDance установила чёткое внутреннее требование: материалы, сгенерированные GPT, не должны попадать в обучающие данные ByteDance. Затем компания провела проверки на сходство: отбирала результаты работы собственных моделей и сравнивала их с ответами GPT, чтобы выяснить, не использовали ли разметчики данных GPT без разрешения. (✅ Подтверждено: Pekingnology)

Однако правило 2023 года не разрешило спор. По мере усиления конкуренции и трудностей Seed с достижением уровня ведущих языковых моделей исследователи трижды выступали против него.

Спор 1: потрясение от DeepSeek R1 (январь 2025 года)

Когда в январе 2025 года DeepSeek выпустила свою модель рассуждений R1, китайское сообщество разработчиков ИИ было ошеломлено. R1 демонстрировала высокие результаты в задачах на рассуждение при заявленной исключительно низкой стоимости обучения, потрясла Кремниевую долину и оказала огромное давление на каждую китайскую лабораторию.

Некоторые исследователи из Seed считали, что у ByteDance есть сопоставимые таланты, вычислительные ресурсы и исследовательские возможности, однако компании не удалось создать языковую модель с настолько же высокими способностями к рассуждению. В отрасли ходили предположения, что при обучении DeepSeek могла использовать синтетические данные, сгенерированные передовыми американскими моделями, однако это утверждение не было независимо подтверждено.

Практический вопрос стоял остро: если конкуренты могут использовать ответы наиболее мощных американских моделей, чтобы быстро улучшать способности к рассуждению, почему ByteDance должна от этого отказываться? Некоторые исследователи предлагали включать сгенерированные ответы ведущих закрытых американских моделей в процесс обучения Seed — не вместо собственной системы ByteDance, а в дополнение к ней.

Предложение было отклонено. (✅ Подтверждено: Pekingnology)

Дискуссия 2: отставание в поколении Blackwell (конец 2025 — начало 2026 года)

Вторая, более срочная дискуссия разгорелась в конце 2025 года, когда ведущие американские лаборатории ИИ начали массово использовать графические процессоры Nvidia поколения Blackwell.

Экспортные ограничения США не позволяли китайским компаниям покупать самые передовые чипы Nvidia. Согласно сообщению Guixinren, ByteDance обучала Seedance 2.0 — получившую высокую оценку модель для генерации видео — на большом количестве процессоров Nvidia H20, менее мощных чипов, разработанных с учётом экспортных ограничений для китайского рынка. Общая производительность H20 при обучении моделей составляла лишь небольшую долю от производительности B200.

Исследователи Seed наблюдали, как новое поколение американских моделей добивается успехов в рассуждении, программировании и научных задачах. Они связывали эти достижения, в частности, с масштабным внедрением чипов Blackwell. Аргумент «если ничего другого не остаётся, нужно заняться дистилляцией» стал получать всё более широкую поддержку внутри лаборатории.

Сторонники дистилляции утверждали, что ByteDance может компенсировать нехватку вычислительных ресурсов более качественными данными. Вместо того чтобы тратить ограниченные ресурсы на обучение и проверять все возможные подходы, Seed могла бы использовать результаты работы передовых моделей, чтобы выявлять уже доказавшие свою эффективность методы.

Высшее руководство вновь не дало разрешения, хотя, согласно сообщениям, идея набирала популярность. (✅ Подтверждено: Pekingnology)

Дискуссия 3: вызов со стороны Kimi K3 (2026 год)

Третья и самая напряжённая дискуссия началась после выхода Kimi K3 от Moonshot AI. По результатам в программировании, использовании инструментов, углублённых исследованиях и решении сложных задач модель оказалась в той же широкой конкурентной категории, что и ведущие американские проприетарные модели.

Для ByteDance это сравнение было неприятным. Moonshot была гораздо меньшей китайской компанией с меньшими финансовыми и вычислительными ресурсами. И всё же она создала языковую модель с открытыми весами, которая, судя по всему, вошла в число лучших в мире, тогда как Seed, несмотря на более крупные инвестиции и многочисленную команду специалистов, этого не добилась.

Исследователи вновь предложили систематически использовать результаты работы передовых моделей: цепочки рассуждений, код, примеры использования инструментов и ответы на сложные задачи — всё то, что могло бы быстро улучшить способности, наиболее важные для результатов бенчмарков и восприятия пользователей.

На этот раз появился компромисс. Если дистилляция закрытых американских моделей могла нарушить условия обслуживания, вызвать публичные обвинения или усилить геополитическую напряжённость, Seed могла ограничиться моделями с открытыми весами. Их можно было развернуть на собственных серверах ByteDance, не создавая множество аккаунтов и не обходя географические ограничения доступа. В зависимости от лицензии такие модели также сопряжены с меньшими юридическими и коммерческими рисками.

Чжан отверг и этот компромисс. Согласно сообщению Guixinren, его позиция была категоричной: дистилляция закрытых моделей недопустима, как и дистилляция моделей с открытыми весами. По его словам, Seed могла согласиться на временное отставание, но не должна была устранять его, обучаясь на возможностях конкурентов.

Этот внутренний спор стал одной из причин недавнего общего собрания Seed, на котором выступил Чжан. После собрания Seed ввела более чёткие внутренние правила, запрещающие дистилляцию моделей с открытыми весами, а ByteDance начала применять технические проверки, связанные с API, чтобы выявлять предполагаемую дистилляцию и отслеживать её источники. (✅ Подтверждено: Pekingnology)

Геополитический контекст

Директива Чжана прозвучала на фоне усиливающейся напряжённости между США и Китаем из-за дистилляции ИИ-моделей.

В феврале 2026 года Anthropic опубликовала запись в блоге, обвинив DeepSeek, Moonshot AI и MiniMax в дистилляции Claude в промышленных масштабах. Приведённые цифры были поразительными: по утверждению Anthropic, DeepSeek использовала около 24 000 аккаунтов и более 16 млн обменов сообщениями; Moonshot — более 3,4 млн обменов; у MiniMax был самый большой объём — более 13 млн обменов. ByteDance Anthropic не упоминала. (✅ Подтверждено: блог Anthropic)

В апреле The Information сообщило, что сотрудники Tencent использовали Claude для оценки и дообучения внутренних моделей, расширив круг обвинений в дистилляции за пределы трёх названных лабораторий.

В июне BBC сообщила, что Anthropic отдельно обвинила Alibaba в использовании мошеннических аккаунтов для доступа к данным Claude.

21 июля 2026 года министр финансов США Скотт Бессент предупредил, что китайским компаниям могут грозить финансовые санкции или включение в американские торговые чёрные списки за дистилляцию. «Открытый исходный код ИИ — это не разрешение безнаказанно охотиться на американский ИИ», — заявил он, согласно CNBC. (✅ Подтверждено: CNBC)

Шесть дней спустя Пекин ответил. Как сообщило Reuters, Китай обвинил Вашингтон в «гегемонизме в сфере ИИ» и пригрозил ответными мерами в связи с возможными расследованиями. (✅ Подтверждено: Reuters)

В конце июля директор Управления по научно-технической политике Белого дома Майкл Крациос публично обвинил Moonshot AI в ненадлежащем использовании новейшей модели Anthropic для обучения Kimi K3.

Безупречная репутация ByteDance

В этом споре выделяется один факт: Anthropic не обвиняла ByteDance. В то время как DeepSeek, Moonshot, MiniMax, Alibaba и Tencent столкнулись с публичными обвинениями, команда Seed компании ByteDance сохранила безупречную репутацию.

The Information сообщило, что одна из причин запрета ByteDance на дистилляцию — «сложная история компании во взаимоотношениях с правительством США из-за TikTok». Это позволяет предположить, что политика отчасти призвана защитить компанию от нового внимания со стороны регулирующих органов.

Публикация аккаунта Guixinren противоречит этой версии. По словам репортёра Ло Ихана, будущее TikTok имело при принятии решения «почти нулевое» значение. «Долгосрочные цели» Чжана заключались не в защите TikTok, а в создании по-настоящему передового интеллекта. Эта политика появилась за два года до политических споров: её установили в 2023 году, задолго до того, как «дистилляция» стала политически заряженным термином. (⚠️ Подтверждено частично: и версия The Information о связи с TikTok, и противоречащие ей сведения Guixinren являются сообщениями СМИ; ByteDance независимо не подтвердила ни то ни другое.)

В тот же день: DeepSeek повышает цены

В тот же день, когда стало известно о директиве Чжана, DeepSeek объявила о существенном повышении цен на API. Согласно The Paper, DeepSeek сообщила пользователям о планах в ближайшем будущем повысить тарифы на услуги API, причём «довольно значительно». Это произошло всего через несколько дней после выхода официальной версии DeepSeek-V4-Flash 31 июля; отраслевые аналитики предположили, что повышение цен указывает на скорое появление DeepSeek V4-Pro.

Выбранный момент подчёркивает конкурентное давление, которому подвергается ByteDance. Пока DeepSeek повышает цены благодаря высокой производительности своих моделей, команда Seed компании ByteDance выбирает более трудный путь: создавать передовой интеллект с нуля, не прибегая к коротким путям.

Моё мнение: дорогостоящий принцип

Позиция Чжана Имина обходится дорого. Каждый месяц, в течение которого Seed отказывается от дистилляции, конкуренты, использующие этот метод (или уже использовавшие его), всё больше отрываются на тестах и в восприятии пользователей. Отставание в доступе к Blackwell реально. Отставания в талантах нет. У ByteDance есть люди и деньги. Ей не хватает вычислительных мощностей, а дистилляция была очевидным способом компенсировать этот недостаток.

Но, похоже, расчёты Чжана иные. Он делает ставку на то, что у моделей, созданных на дистиллированных данных, есть скрытая цена: они зависят от потолка возможностей, заданного кем-то другим. Модель, обученная на ответах GPT-5, никогда не превзойдёт GPT-5 в рассуждениях. Модель, обученная на трассах Claude, унаследует его слепые зоны. Короткий путь превращается в потолок.

Есть и геополитический аспект — независимо от того, признаёт ли Чжан это публично. ByteDance владеет TikTok — самой пристально отслеживаемой китайской компанией в Америке. Если её поймают на дистилляции передовых американских моделей, у регулирующих органов появится мощный козырь. То, что политика была введена в 2023 году, говорит о подлинно технической мотивации Чжана, но геополитические преимущества очевидны.

Настоящее испытание ещё впереди. Если в течение ближайших 12–18 месяцев Seed создаст языковую модель передового уровня без дистилляции, правота Чжана, делающего ставку на долгосрочную перспективу, будет доказана. Если этого не произойдёт, внутреннее давление с требованием воспользоваться коротким путём будет только усиливаться. Три обсуждения этой идеи уже отклонили. Четвёртое остановить может быть сложнее.

Сводка проверки

Все ключевые утверждения подкреплены ссылками на названные издания, доступными по URL. Сообщение Guixinren основано на сведениях анонимных источников, знакомых с внутренними обсуждениями в ByteDance; соответствующие утверждения помечены надлежащим образом.