字节跳动旗下大模型部门Seed近日完成新一轮组织架构调整，此次调整聚焦于优化研发效率与资源整合，旨在解决大模型研发过程中出现的团队边界模糊、协作成本上升等问题。调整后，Seed基础模型团队拆分为四个核心一级部门，分别聚焦数据整合、强化学习、B端应用优化及C端对话模型开发。
新成立的Pretrain Data部门由李成刚负责，该部门整合了原分散在文本、编程、视觉、语音等方向的预训练数据团队，统一承担新Omni模型的多模态数据建设及超大模型预训练所需的数据工程。此举旨在打破数据孤岛，避免不同模态团队重复开发相似数据工具链，提升数据利用效率。
Horizon RL部门由唐晟宇领衔，通过合并后训练、推理及视觉理解方向的后训练团队，专注于强化学习技术研发。该部门目标是通过算法优化提升模型基础智能上限，解决当前大模型在复杂任务处理中的能力瓶颈。部门名称中的"RL"即强化学习（Reinforcement Learning）的缩写，凸显其技术定位。
面向企业级市场的Product Posttrain-Work部门由秦禹嘉负责，主要承担Agentic模型的整合与发布工作。该部门针对办公场景优化模型的任务执行能力，重点支持豆包、Dola等产品的任务模式开发。与消费端应用形成差异化竞争，满足企业客户对模型可控性、任务分解能力的特殊需求。
原Application团队更名为Product Posttrain-Chat并划归C端业务线，继续由朱文佳领导。该部门聚焦对话模型的整合与发布，与Work部门形成"任务-对话"的分工协作体系。这种拆分方式使应用开发团队能够更专注用户场景需求，避免多模态任务处理与纯对话场景的技术路线冲突。
此次调整的直接动因源于大模型研发规模的指数级增长。据知情人士透露，字节跳动正在讨论训练参数规模超5万亿的模型计划，该参数规模将超越阿里Qwen 3.8-Max的2.4万亿和月之暗面K3的2.8万亿，成为国内已知最大参数模型。随着模型复杂度提升，原有按模态划分团队的机制导致"重复造轮子"现象频发，跨团队沟通成本激增。
调整公告特别强调"合并相似工作、减少重合"的原则，所有新部门负责人均向Seed技术负责人吴永辉汇报。除核心业务部门外，Seed还单独设立AI安全研究组及前沿技术探索组，分别由专人负责模型伦理审查与下一代技术预研。这种"核心业务+安全保障+前沿探索"的三层架构，反映出头部科技企业在AI竞赛中的战略布局考量。
值得关注的是，此次调整将应用后训练团队按用户任务类型拆分为Work和Chat两个方向，这种细分策略与当前大模型落地趋势高度契合。企业级市场更注重任务拆解与执行效率，而消费端应用则强调对话自然度与上下文理解能力，专业化的团队配置有助于提升产品竞争力。不过，超大参数模型的训练计划仍处于早期阶段，实际效果有待后续验证。
