今日运势评分

-3

本月运势

癸未月

震荡偏多

甲克戊,申金生水
癸不词讼理弱敌强
未不服药毒气入肠

祭祀,出行,交易,割蜜,造畜稠

嫁娶,作灶,安葬,动土,词讼,作梁,伐木,掘井,破土,移徙

月相

寝待

底部反弹

日冲

Powered by RitMEX

TRUMP9.84 1.85%

SUI3.87 13.15%

TON3.04 1.21%

TRX0.30 0.81%

DOGE0.21 4.54%

XRP2.95 5.86%

SOL167.05 3.23%

BNB698.94 1.49%

ETH3037.10 2.89%

BTC122247.48 3.82%

ETH Gas2.22 Gwei

贪婪
74

被 OpenAI「封号」,字节跳动在打什么算盘?

高质量的语料数据 ,是大模型的「香饽饽」。

撰文:举大名耳

眼看着 2023 就要过去了,没想到年底又曝出一个大瓜。

近期据《The Verge》报道:

字节跳动因使用 ChatGPT 的 API,来开发自家大模型,被 OpenAI「封号」了。

尽管在事后,字节澄清,表示自己此举「仅为测试」,且早已勒令停止。

然而,这终归是一件让人浮想联翩的事……

字节被封号的背后,打的究竟是什么算盘?

1 字节想要什么?

虽然在《The Verge》报道中,没有明确指出字节究竟是怎么用 OpenAI 的 API 来开发自身大模型的,但可能的训练路径来说,用一个大模型(例如 OpenAI 的 GPT)来训练另一个大模型的过程,往往有以下几种。

其中一种,就是「师傅带徒弟」的模式。

想象一下,师傅(已有的大模型)在处理各种任务时,会生成一些输出(例如文本、图像等)。徒弟(新的大模型)会观察师傅的行为,尝试模仿这些输出。

这样,徒弟就能学会如何处理类似的任务。在实际应用中,这可以通过让新模型学习旧模型生成的数据来实现。

还有一种方式,就是通过联合训练,让「师傅」和「徒弟」一起处理任务。

在实际应用中,这可以通过让两个模型共享一些层次或参数来实现,新旧模型就可以互相学习、互相帮助,共同完成任务。

从技术可行性来判断,在这次事件中,字节使用的更有可能是第一种方法。

利用了 OpenAI API 生成的数据作为训练数据。

因此,在这次风波中,字节真正想要的,是 ChatGPT 生成的高质量语料数据。

而这样的数据,也是任何一个训练中的大模型,最渴望的「香饽饽」。

但由于之前 OpenAI 的协议中,已明确表示禁止用其大模型去开发竞品,因此,字节被 OpenAI「封号」也是一种必然。

问题是:作为一家实力雄厚的大厂,字节理应不缺相应的人手和资金,去做这些数据爬取、语料标注方面的工作,为何要走这一步「险棋」呢?

2 为何犯险?

其实,在现阶段的大模型赛道上,字节缺的不是人才和资金,而是时间。

与百度、讯飞等国内大厂相比,字节真正入局大模型的时间,可以说是相当晚了。

从时间上看,字节真正推出第一款大模型豆包的时间,是今年的 8 月中旬,而那时,大模型之火已经燃烧了近半年之久。

任何真正想入局大模型的玩家都知道,模型层的竞争,是有时间窗口的。

在大模型领域,先进入市场的企业往往能够积累更多的用户、数据和经验,从而形成竞争优势。后来者要想迎头赶上,需要付出更多的努力和成本。

尽管 8 月上线的豆包,让字节勉强赶上了模型层的晚班车,但从性能和定位上看,那更像是一个「尝鲜」的应景之作,无法真正与字节现有的业务相契合。

作为一个在移动互联网时代制造了抖音这类爆款的大厂,字节真正想要的,是像文心一言那样更通用、更全能,且能整合或嵌入进自身的各类 APP 中的大模型。

这才有了后来字节的「种子计划」——计划在今年年底前,打造与 GPT-3.5 性能相匹敌的 Seed 大模型。

问题是,大模型的训练,终归不是件一蹴而就的事。

标注数据、提取优质语料等等一系列繁琐的前期工作,都需要时间。

那如何在有限的、紧迫的时间内,搜集到足够多的高质量语料数据?

一个最靠谱的办法,就是直接使用那些已经验证过的,成熟度较高的模型的数据,例如 ChatGPT。

3 模型层的窗口期

其实,不只是字节,即使是身处一线的 AI 玩家谷歌,也为了「急于求成」,做出了类似小动作。

本月月初,谷歌曾失望地宣布,被其寄予厚望的大模型 Gemini,由于无法较好地处理非英语领域的查询任务,而被推迟了上线。

可鬼使神差的是,之后没过几天,谷歌就来了个回马枪,在 12 月 6 日郑重推出了 Gemini,似乎之前提到的「缺陷」已经不是问题。

后来,网友经过测试才发现,原来谷歌早就从百度的文心一言那里找到「解决之策」。

经过微博大 V@阑夕夜等众多网友的测试,在与 Gemini-Pro 用中文交流时,如果问「你是谁」,Gemini-Pro 上来就回答:我是百度文心大模型。

如此状况,让人纷纷猜测,是谷歌直接用了百度文心一言的中文语料进行训练。

为了反超 GPT-4,谷歌真是赶鸭子上架了。

不过,从长远来看,这种大厂互相薅羊毛的行为,终归是一种暂时的现象。

毕竟,经过这么几回「露馅」后,各个大厂一定会对自家的数据看得更严,更死。

但即便如此,这种互相套用数据的行为,也让众多用户、投资人不禁暗自嘀咕:如果各个模型之间的数据,在技术上能轻易地互相套用,那将来除了 ChatGPT 等少数顶流外,还有哪些模型是有「真材实料」的?

这样的担忧背后,其实有一个更重要的前置性问题,那就是:

我们为什么需要那么多雷同的大模型?

毕竟,人类的语料数据,终归是有限的,顶流团队的模型(如 ChatGPT)已经挖走了绝大部分,剩下的那一小撮专有数据,也早已被各个垂直行业瓜分完毕。

在模型层创业已近尾声的今天,比起数据,更能拉开差距的,是侧重点不同的训练方式,以及由此打造的各种功能。

而这样成为了用户能否容忍这种「套用」行为的关键。

在这点上,谷歌的 Gemini 给出的答卷,是更强的原生多模态功能(有夸大之嫌)。

而字节的 Seed 大模型,将来能否逆风翻盘,赢得用户的信任,也得看有没有「一美遮百丑」的亮点。

欢迎加入深潮TechFlow官方社群

Telegram订阅群:https://t.me/TechFlowDaily
Twitter官方账号:https://x.com/TechFlowPost
Twitter英文账号:https://x.com/BlockFlow_News
作者SinoDAO
相关文章
2025.07.14 - 9 分钟前
读懂「退出测试」:不依赖其他人,通往去中心化的「最后一公里」
如果项目团队解散或平台失联,用户是否依然能安全地提取资产、完成交互?
2025.07.14 - 2 小时前
一场装修引发的全球放水
总统对鲍威尔「挥霍纳税人资金、大兴土木」的行为表「极度担忧」。
2025.07.14 - 4 小时前
BTC 战略储备和人工智能填补减半缺口
大多数转向人工智能的矿工仍在挖比特币。
2025.07.14 - 5 小时前
加密早报:比特币续创新高,本周 TRUMP、ARB 等代币将迎来大额解锁
特朗普已分四批向24个贸易伙伴发出关税函。
2025.07.13 - 23 小时前
东南亚电诈奴工贩卖产业:加密货币强压车交易担保平台
对东南亚跨国人口贩卖犯罪实体的打击,不仅依赖全球各国家与地区执法部门的执法活动,也需要加密行业基础设施——Cex、OTC、Crypto Payment 等——经营者的自发配合。
2025.07.11 - 3 天前
国家金融与发展实验室副主任:人民币稳定币发展模式可“内外结合”
为了更好地实现战略统筹、主动监管、协同推进,应该考虑采取境内离岸与境外离岸人民币稳定币的联动发展模式。
2025.07.11 - 3 天前
数字稳定币洗钱与恐怖融资初探:对 USDT 黑名单的链上追踪
只有在及时、协同、技术成熟的 AML/CFT 体系下,稳定币生态系统的合法性和安全性才能得到真正保障。
2025.07.11 - 3 天前
图表解析比特币:后市将如何演绎?
机构采用仍是核心驱动力。
2025.07.11 - 3 天前
实探稳定币在华强北:5 万个币起收,有灰色地带
仅有个别商家表示会使用或尝试使用稳定币进行交易。
2025.07.11 - 3 天前
以太坊基金会变革开始,能否助 ETH 币价重回巅峰?
以太坊的未来,基金会来当「舵手」。