“谁在带队，人才流向哪里。”
作者丨成妍菁
编辑丨胡敏
大模型竞争开始拼组织，这一次轮到字节。
8 月 19 日，据晚点 Late Post 报道，Seed 基础模型团队新设 Pretrain Data（预训练数据）、Horizon RL（强化学习）、Product Posttrain-Work（面向办公场景的产品后训练）和 Product Posttrain-Chat（面向对话场景的产品后训练）四个一级部门，分别由李成刚、唐晟宇、秦禹嘉、朱文佳等人负责，均向吴永辉汇报。
雷峰网了解到，四个新部门之下的分支架构与带队人选也已落定，而这些更细的调整，或许更能透露出此次组织变动背后的真实意图。
01
数据和RL开始集中
先看模型能力侧的两个部门。
有接近字节的人士称，Pretrain Data 由原先分散在文本、编程、视觉理解和语音方向的预训练数据团队合并而来，下设文本预训练（沈科）、代码预训练（Xia Xiao）、视觉预训练（林毅）和语音预训练四个分支，统一为 Omni 全模态模型和超大模型供给数据；
负责人李成刚是清华机械系本硕，曾从 0 到 1 搭建字节搜索系统，先后负责今日头条网页搜索和 TikTok 视频搜索的技术工作，其麾下沈科 2018 年从清华毕业后加入字节，是超大模型预训练数据的核心人物，Xia Xiao 则是开源代码模型 Seed-Coder 和定理证明搜索方法 BFS-prover 的核心作者之一。
相比数据条线，Horizon RL 的动作更大。Horizon RL 整合了分散在推理、视觉理解等方向的后训练团队，下设 RL Scaling（岳宇）、Reasoning（王明轩）和视觉强化学习（吴侑彬）三个分支，负责强化学习、提升模型的基础智能上限。
其中王明轩此前在火山翻译，北航本科、中科院计算所博士，曾在腾讯任高级研究员、多次拿下 WMT 机器翻译评测冠军，2019 年加入字节后一路做到大模型研究团队负责人，岳宇（Yu Yue）则是字节与清华 AIR 联合开源的强化学习系统 DAPO 的算法作者之一。
这条路线其实已经有技术积累。Seed 此前公开过 DAPO、VAPO 等强化学习工作，其中 VAPO 聚焦于推理模型的强化学习效率与稳定性；Seed 也持续把RL用于更长链路的推理和Agent能力。
把这几个人和三个方向放在一起，Horizon RL 的意图就比较清楚了。
它并不是简单把原来的“后训练团队”换了一个名字，而是在把 Reasoning、VLM 等不同方向中的 RL 能力进一步集中。
据晚点 LatePost 报道，Seed 在调整公告中称，此次调整旨在‘合并相似工作、减少 overlap，内聚在一起’。
上述人士告诉雷峰网，本轮调整后，文本、代码、视觉这些老方向也没有真的消失，只是换了一种管法。
以视觉为例：训练前的数据归 Pretrain Data 的林毅，训练后的强化学习归 Horizon RL 的吴侑彬，两人各属一个部门、互不隶属，但视觉的数据和强化学习本是一根链条，所以吴侑彬在视觉方向上还要同时向林毅汇报。
类似的安排还有两处：唐晟宇在执掌 Horizon RL 之外，同时管着代码预训练；此前主导多模态交互与世界模型的周畅同时管着视觉预训练。
02
Work 和 Chat 各司其职
再看产品侧的两个部门，由原先统一的应用后训练团队按用户任务一分为二。
Product Posttrain-Work 服务 B 端，下设 GUI（吴志勇）和由原有 Agent 办公团队合并而来的分支，负责 Agentic 模型的整合与发布，针对办公场景优化模型的 Agentic 能力，包括支持豆包和 Dola 的任务模式。
负责人秦禹嘉是四个新部门负责人中的 90 后，师从清华教授刘知远，曾是面壁智能核心成员、开源工具学习引擎 BMTools 的作者，2024 年 7 月才通过"Top Seed"人才计划加入字节，是 GUI 智能体 UI-TARS 的第一作者，两年升至一级部门负责人；GUI 分支负责人吴志勇，公开信息显示其曾参与 OS-Atlas、SeeClick 等 GUI 智能体开源工作。
原本由朱文佳负责的 Application 团队继续保留，并更名为 Product Posttrain-Chat，它与新成立的 Product Posttrain-Work 分别面向 C 端对话和办公任务，下设豆包和 Dola Chat 分支，负责人严林同时吸收了吴双志的原班人马，主要优化搜索问答、对话体验、个性化和安全等能力，同时控制推理成本。
严林是中科院计算所硕士，豆包大语言模型 Alignment 团队负责人，在公开信息中还担任豆包关联公司的法定代表人。
有知情人士称，吴双志则转往火山引擎，负责火山 API 支持，向吴迪汇报——吴迪同时掌管字节机器学习中台和火山引擎的算法团队。
一拆一合的逻辑背后，其实很有意思：过去大模型产品更多按模型能力来分，比如语言、视觉、代码；现在，则开始更多按用户要做什么来分。
比如 Chat 面向搜索、问答、对话等 C 端需求，Work 则更多面向办公场景和复杂任务，等于把 AI Coding 里已经积累的工具调用、电脑操作和复杂任务执行能力，进一步用到日常办公中。
从人员安排来看：Work 交给更熟悉 Agent 的年轻团队，Chat 则由在字节内部成长起来的严林负责，吴双志这样的后训练人才则更多流向火山。
接近字节的内部人士称，字节现在的定位看似已经清晰：豆包、Dola 负责短期做大用户规模；Work 押注新的 Agent 办公场景；火山则承担更长期的企业服务和模型商业化。
放到行业里，Seed 的这轮调整并不孤立：腾讯上月将混元的大语言模型部与多模态模型部合并为基础模型部，由姚顺雨统一负责；海外 Meta 的超级智能实验室也按模型、研究、产品、Infra 四块重组。
能够发现，模型开始向 Omni 发展后，不同模态之间的边界变得模糊；Reasoning 和 Agent 成为竞争重点后，RL 也不再只是某个模型的“后训练环节”。
而 Agent 也在拉近模型和产品之间的距离，模型不只是负责“理解和生成”，还要调用工具、执行任务，最终直接参与到产品和业务流程中。
本次 Seed 调整得更彻底：它换掉的是整套组织逻辑——不再按文本、代码、视觉各自为战，而是把这些能力打散，重新装进数据、强化学习和产品任务里。
框架已经搭起来了，接下来要看的，是这套组织方式能不能真正跑通。