Zhang Yiming, da Bytedance, prioriza metas de longo prazo sobre ganhos de distilação de modelo de curto prazo

ChainCatcher relata que, no mês passado, Zhang Yiming, fundador da ByteDance, declarou claramente em uma reunião de toda a equipe Seed que a empresa não considerará a dessaturação de modelos como um atalho para alcançar grandes modelos, mesmo que isso signifique ficar temporariamente atrás dos concorrentes domésticos. Ele exigiu que a equipe estivesse disposta a sacrificar receitas de curto prazo em prol de objetivos de longo prazo. A dessaturação refere-se ao processo de ensinar um novo modelo a replicar as saídas de um modelo mais poderoso, economizando tempo e poder computacional no treinamento. Internamente, a ByteDance acredita que essa escolha tornará mais difícil para o modelo de linguagem da Seed alcançar rapidamente seus pares domésticos, como DeepSeek, Kimi e Qwen. No entanto, o que mais preocupa a ByteDance é o risco político: a empresa já enfrenta escrutínio do governo dos EUA por causa do TikTok, e caso seja acusada de extrair em larga escala capacidades de modelos avançados dos EUA, Washington pode pressionar novamente o TikTok. Anteriormente, a Anthropic acusou a DeepSeek, Moonshot AI, MiniMax, Zhipu e Alibaba de extrair em larga escala as capacidades do Claude, mas não mencionou explicitamente a ByteDance.