外媒曝字節跳動用 OpenAI 訓練競品大模型，OpenAI 已暫停其賬戶

在生成式 AI 這場牌局裡，很多創業公司都在偷偷抄 OpenAI 的作業。但如果被抓到現行的是字節跳動，性質就完全不同了。

The Verge 爆出一份內部調查，指控字節跳動一直在秘密呼叫 OpenAI 的 API，用來訓練和評估自己的大語言模型。這一做法直接踩了 OpenAI 和微軟的服務條款紅線，兩家公司都明確禁止用其模型輸出來開發競爭產品。

報道發出後不久，OpenAI 發言人證實，已經暫停了字節跳動的 API 賬號，並展開進一步調查。

刷爆 API 與「洗白」證據

據報道，字節跳動內部負責研發基礎大模型的專案代號為「Project Seed」，由搜尋業務負責人朱文佳帶隊，直接向技術副總裁楊震原彙報，聯合創始人張一鳴也一直在密切盯進度。

洩露的內部檔案顯示，在 Project Seed 的幾乎所有開發階段，團隊都在大量呼叫 OpenAI 的 API，甚至經常把介面配額直接刷爆。為了防止被發現，員工們在飛書上熱烈討論過如何通過「資料脫敏」來洗白證據。

一名瞭解內情的人士直言，團隊嘴上說著要確保合規，但骨子裡其實只是不想被逮住。

雖然位元組內部在幾個月前、也就是對話產品「豆包」拿到國內上線許可前後，曾下令禁止在任何模型開發階段使用 GPT 生成的資料，但知情人士透露，團隊後來仍繼續用該介面來跑效能評測。

面對指控，字節跳動發言人回應稱，GPT 生成的資料僅在專案早期用於模型標註，今年年中就已經徹底從訓練集裡清理了出去。發言人還強調，公司通過微軟獲得了合法的 GPT API 許可，海外產品確實在用，但國內的「豆包」完全基於自研模型。

這套代號 Seed 的自研模型引數規模在 2000 億左右。團隊揹負著極重的交付指標：原定目標是在今年底追平 GPT-3.5，並在 2024 年年中趕上 GPT-4。

為什麼重要

拿強力模型的輸出來做「蒸餾」或打標，在 AI 創投圈其實是個公開的秘密。很多缺錢缺卡的小團隊都在頂著法律風險走捷徑，但 Databricks 副總裁等多位業內人士指出，以字節跳動的體量、算力和工程資源，居然也用這種手段趕進度，確實讓人大跌眼鏡。

我們認為，這暴露出國內頭部大廠在底層追趕上的巨大焦慮。自研大模型不是靠演算法調優就能彎道超車的，在追趕 GPT 的時間表重壓下，哪怕是資源雄厚的大廠，技術團隊也會忍不住在合規邊緣走鋼絲。這次被封號，不僅讓位元組的技術聲譽在海外受損，還可能直接影響頂尖技術人才的招聘意願。

對行業來說，更大的隱患在於資料汙染。如果大廠都開始默許用大模型洗出來的資料去餵養下一個模型，這種近親繁殖不僅會迅速放大幻覺，還會讓開源與閉源生態的真實水平變得真假難辨。OpenAI 這次果斷拔線殺雞儆猴，看起來就是在向所有人劃清界限：拿它的答案當參考書可以，但照抄答題步驟去賣競品，它隨時會斷供。