TikTok母公司字节跳动发布开源Seed-OSS-36B模型

TikTok今日再次成为头条新闻，白宫正式入驻这一热门社交媒体平台，而其母公司、中国互联网巨头字节跳动也带来了令人意外的重大发布。

字节跳动旗下Seed团队的AI研究人员今日在AI代码共享网站Hugging Face上发布了Seed-OSS-36B模型。

Seed-OSS-36B是一个全新的开源大语言模型系列，专为高级推理和开发者友好的可用性而设计。该模型拥有更长的Token上下文长度——即模型在单次交互中能够接受和输出的信息量——甚至超过了许多来自美国科技公司的竞争对手，包括OpenAI和Anthropic等行业领导者。

该系列推出了三个主要变体：

**Seed-OSS-36B-Base（含合成数据版本）**

**Seed-OSS-36B-Base（不含合成数据版本）**

**Seed-OSS-36B-Instruct**

Seed团队通过发布Seed-OSS-36B-Base模型的合成数据和非合成数据两个版本，力求在实际性能和研究灵活性之间找到平衡。

含合成数据的变体使用额外的指令数据进行训练，在标准基准测试中始终获得更高分数，旨在作为高性能的通用选择。相比之下，非合成数据模型省略了这些增强功能，创建了更纯净的基础版本，避免了合成指令数据可能引入的偏见或扭曲。

通过提供两个版本，团队为应用用户提供了改进的结果，同时确保研究人员保留了一个中性基线来研究后训练方法。

与此同时，Seed-OSS-36B-Instruct模型的不同之处在于，它通过指令数据进行后训练，优先考虑任务执行和指令遵循，而不是纯粹作为基础模型。

所有三个模型都在Apache-2.0许可证下发布，允许企业的研究人员和开发者免费使用、修改和重新分发。

这意味着它们可以用于驱动商业应用程序，无论是公司内部还是面向外部/客户的应用，都无需向字节跳动支付任何许可费用或应用程序编程接口(API)使用费。

这延续了2025年夏季中国公司发布强大开源模型的趋势，而OpenAI则试图通过本月早些时候发布的自己的开源gpt-oss duet来迎头赶上。

Seed团队将Seed-OSS定位为国际应用，强调在推理、智能体类任务执行和多语言环境中的多功能性。

成立于2023年的Seed团队一直专注于构建能够同时服务于研究和应用用例的基础模型。

**设计和核心特性**

Seed-OSS-36B背后的架构结合了熟悉的设计选择，如因果语言建模、分组查询注意力、SwiGLU激活、RMSNorm和RoPE位置编码。

每个模型在64层中携带360亿个参数，支持155,000个Token的词汇表。

其定义特征之一是原生长上下文能力，最大长度为512,000个Token，旨在处理扩展文档和推理链而不会出现性能损失。

这是OpenAI新GPT-5模型系列长度的两倍，大约相当于1,600页文本，相当于一本基督教圣经的长度。

另一个突出特点是引入了思考预算概念，让开发者可以指定模型在给出答案之前应该进行多少推理。

我们在其他最近的开源模型中也看到了这一点，包括英伟达新推出的Nemotron-Nano-9B-v2，也可在Hugging Face上获得。

在实践中，这意味着团队可以根据任务的复杂性和部署的效率要求来调整性能。

建议预算以512个Token的倍数为单位，0提供直接响应模式。

**第三方基准测试中的竞争性表现**

随版本发布的基准测试将Seed-OSS-36B定位为更强大的大型开源模型之一。特别是Instruct变体，在多个领域都发布了最先进的结果。

**数学和推理**：Seed-OSS-36B-Instruct在AIME24上达到91.7%，在BeyondAIME上达到65分，均代表开源"最先进"(SOTA)水平。

**编程**：在LiveCodeBench v6上，Instruct模型记录了67.4分，这是另一个SOTA分数。

**长上下文处理**：在128K上下文长度的RULER测试中，它达到94.6分，标志着报告的最高开源结果。

**基础模型性能**：含合成数据的Base变体在MMLU-Pro上达到65.1分，在MATH上达到81.7分，均为其类别中的最先进结果。

不含合成数据的Base版本虽然在许多指标上略有落后，但在其自身领域证明了竞争力。它在GPQA-D上超越了其合成数据对应版本，为研究人员提供了更清洁、无指令的实验基线。

对于比较开源选项的企业来说，这些结果表明Seed-OSS在数学密集型、编程和长上下文工作负载方面提供了强大的潜力，同时仍为研究用例提供了灵活性。

**访问和部署**

除了性能之外，Seed团队还强调了对开发者和从业者的可访问性。这些模型可以使用Hugging Face Transformers进行部署，支持4位和8位格式的量化以降低内存需求。

它们还与vLLM集成以实现可扩展服务，包括配置示例和API服务器说明。

为了进一步降低门槛，团队包含了用于推理、提示定制和工具集成的脚本。

对于管理小团队或在预算限制下工作的技术领导者来说，这些条款旨在让360亿参数模型的实验变得更加可行。

**许可和企业决策者的考虑因素**

由于模型在Apache-2.0下提供，组织可以在没有限制性许可条款的情况下采用它们，这对于平衡法律和运营问题的团队来说是一个重要因素。

对于评估开源领域的决策者来说，此次发布带来了三个要点：

在数学、编程和长上下文推理方面的最先进基准测试。

在高性能合成训练模型和清洁研究基线之间的平衡。

为精简工程团队降低运营开销的可访问性功能。

通过在开放许可证下提供强大性能和灵活部署，字节跳动的Seed团队为企业、研究人员和开发者alike增加了新的选择。

Q&A

Q1：Seed-OSS-36B模型有什么特殊之处？

A：Seed-OSS-36B是字节跳动发布的开源大语言模型，拥有512K Token的超长上下文能力，相当于能处理1600页文本，是OpenAI GPT-5的两倍长度。它在数学推理、编程和长文本处理方面都达到了开源模型的最先进水平。

Q2：Seed-OSS-36B有哪些版本可以选择？

A：该模型提供三个版本：含合成数据的Base版本（性能更强）、不含合成数据的Base版本（更纯净的研究基线）、以及Instruct版本（专门优化指令执行）。所有版本都采用Apache-2.0开源许可证，可免费商用。

Q3：企业如何使用Seed-OSS-36B模型？

A：企业可以通过Hugging Face平台获取模型，支持4位和8位量化部署以降低内存需求，还可与vLLM集成实现可扩展服务。由于采用Apache-2.0许可证，企业可以免费用于商业应用而无需支付许可费用。