在字节内部，Seed 第一次想用蒸馏追赶 R1 带来的推理冲击；第二次想用它跨越 H20 与 Blackwell 之间的算力鸿沟；第三次想用它缩小与 Kimi K3 和美国头部闭源模型的差距，三次提议，三次被否决
模型蒸馏并不是一种可疑的技术。让学生模型学习教师模型生成的答案、推理轨迹和工具调用过程，本来就是成熟的训练方法。各家实验室也都在做自蒸馏，用自己的模型生产合成数据。
真正的问题不是能不能蒸馏，而是把谁当作老师。
捷径最诱人的三个时刻
从 2025 年开始，Seed 内部至少三次认真讨论过蒸馏竞争对手的模型。每一次，都发生在压力真实、理由充分的时候。
第一次是 DeepSeek-R1 发布之后。R1 用有限的训练成本展现出很强的推理能力，Seed 的一些研究员因此提出，可以引入美国头部闭源模型生成的数据，迅速补齐推理和综合能力。
这不是放弃自己的预训练体系，而是在原有体系上加一剂见效很快的补药。方案被否决了。
第二次是英伟达 Blackwell GPU 在美国头部实验室大规模部署之后。中国实验室无法获得同等级的先进芯片，原有的算力差距被新一代硬件进一步拉大。
Seedance 2.0 已经进入全球视频生成模型的前列，Seed 的语言模型却相对落后。这种反差让“实在不行就蒸馏”得到更多研究员支持：既然短期无法补足算力，就用强模型生成的数据换回能力，把稀缺资源投入已经被验证的方向。
这个提议仍未得到公司最高层支持。
第三次是 Kimi K3 出现之后。按照原文的描述，K3 在编程、工具调用、深度研究和复杂任务上，已经进入美国头部闭源模型所在的竞争区间。
一家规模和算力远小于 Seed 的中国实验室，拿出了全球第一阵营的开放权重语言模型。Seed 投入更多、人才更多，却没有交出位置相当的产品，内部要求蒸馏的声音因此达到高点。
这一次还有一个看似稳妥的折中方案：闭源模型涉及服务条款、商业和地缘政治风险，那就只蒸馏授权更宽松、可以自行部署的开放权重模型。
张一鸣给出的答案是：闭源模型不能蒸馏，开放权重模型也不能蒸馏。Seed 可以接受暂时落后，但不能靠蒸馏竞争对手消除落后。
这不是风险规避
外界很容易把这个决定解释为对 TikTok 前景、美国政策风险和 Anthropic 指控的顾虑。但从时间线看，这些都不是根本原因。
早在 2023 年，蒸馏还没有成为中美 AI 竞争中的敏感词时，字节就已经禁止把 GPT 生成的数据加入自家模型训练集，还检查模型输出与 GPT 的相似度，防止标注环节绕过规定。
所以我认为，拒绝蒸馏首先是一项技术路线选择，其次才是法律、商业和政治风险管理。
K3 引发第三次争论后，Seed 又明确禁止蒸馏开放权重模型，并通过技术手段追查疑似行为。这等于把原则说透了：不是某一家模型不能学，而是竞争对手的头部模型不能成为 Seed 的教师。
模型进入前沿，不等于实验室成为前沿
蒸馏最有吸引力的地方，就是它真的有效。
它可以在较短时间内补齐推理、编程和 Agent 能力，缩小评测差距，也能让产品更快进入第一阵营。面对 R1、Blackwell 和 K3 带来的连续压力，选择这条路完全可以解释。
但蒸馏只能告诉模型怎样沿着别人走通的路前进，不能告诉实验室这些能力究竟怎样产生。当现有头部模型走到智能边界，学生仍然不知道下一步往哪里走。
这就是短期竞争力和长期研究能力的区别。
一家实验室可以研究对手的论文、技术报告和评测结果，反过来检查自己的数据、架构与训练方法。这个过程慢，也会犯错，但它能积累对智能形成机制的真实理解。
另一条路是直接批量获取强模型的输出，把已经验证过的路径变成训练数据。它更快，却可能让组织逐渐失去提出问题、验证假设和开辟新路线的能力。
我认同原文最后那个判断：一款模型可以通过蒸馏进入前沿，一家实验室却不能通过蒸馏成为前沿实验室。
真正昂贵的是独立探索
Seed 的选择不是拒绝效率，而是在决定什么能力必须自己长出来。
代价也很清楚：它可能在一些阶段落后，要支付更多算力、时间和失败成本，还要承受投入规模与模型表现不匹配的内部压力。
很多原则只有在没有压力时成立。一遇到差距就改变的原则，本质上只是偏好。三次提议都出现在 Seed 最有理由走捷径的时候，三次都被否决，这才构成真正的路线选择。
最后要看的，不是 Seed 是否因此显得更有理想，而是它能否把“不蒸馏”转化为基础研究、训练方法和模型能力上的原创成果。
拒绝捷径本身不创造领先。只有独立探索最终产生别人需要研究、追赶甚至学习的东西，这项选择才算完成了证明。