《白鲸实验室》独家了解到，字节跳动原计划于 8 月推出的豆包大模型 2.2，将推迟面世。

过去两个月，国产模型紧密更新，Kimi 更新 K3、智谱发布 GLM-5.3，千问迭代 Qwen3.8，腾讯混元 8 月底推出 Hy4 preview。在国产模型密集迭代的窗口，字节跳动却放慢更新节奏。

多位接近字节的人士称，延期的原因是，字节内部希望通过更充分的预训练和后训练，把编程、工具调用和 Agent 能力拉上去。用更长的研发周期换一次更明显的能力提升。

"Seed 现在同时面对两件事，一边要推进下一代超大模型，一边又不能停止现有模型的正常迭代。所以，2.2 更像是夹在两代模型之间的一次关键补强。它既不能等到下一代超大模型完成再解决 Coding，也不能再用过去的方式简单迭代一次。" 一位接近字节的人士表示，这可能才是这次延期真正值得关注的地方。

Coding 能力跻身第一梯队，是 Seed 团队在 2026 年的主要目标之一。我们了解到，字节希望 Seed 模型的 Coding 能力在年底之前能产生类似智谱 Glm5.2 和 Kimi-K3 的行业冲击力。

很长一段时间，字节在 Coding 上一直无法摆脱一个困境：对于一家拥有大量顶尖研究员、充足算力以及 Trae 这样产品入口的公司来说，为什么没有让开发者形成 " 字节的 Coding 模型已经领先 " 的认知。

为了快速提升 Coding 能力，字节明显加快人员组织调整，也从其他模型厂商那里挖来一些人才。

7 月有一段时间，字节的模型在 Coding 上几乎每天都有小功能迭代。

字节推崇大力出奇迹的方式，希望借助高密度人才，资源倾斜快速补齐能力。过去一年，依靠相同的方式，字节 Seedance2.0 改写了视频生成模型格局。字节也希望 Seed 的 Coding 能力，能够复现同样的 " 奇迹 "。

这意味着 Seed 研发团队面临的任务更重。

8 月 20 日，Seed 基础模型部门还迎来一次重大调整，原本按照文本、语音、代码、视觉等模态划分的团队，被拆分、重组成四个一级部门：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 C 端用户的产品后训练）。

其中，Horizon RL 负责 RL Scaling、推理模型和视觉推理，同时覆盖 Coding 方向的后训练；Product Posttrain-Work 则重点针对办公场景优化模型的 Agentic 能力，包括工具调用、GUI 操作和长任务执行。

字节 Seed 模型的竞争方向，不仅要推高代码生成能力，还要快速提升长上下文、工具调用、任务规划、错误恢复，以及在几十分钟甚至数小时任务中的持续决策能力。

这对 Seed 团队无疑是个更大的挑战。字节之前还被传出豆包大模型参数往 5t，乃至 10t 的方向追加训练。

在模型训练上，字节拒绝 " 蒸馏 " 数据，重新做大规模训练本身。这看上去尽管更长期主义，也更容易实现真正的智能上限突破，但也面临着很大的技术挑战。

最起码，Seed 仍需要从底层解决 Coding 的一系列现实问题，比如什么任务值得训练，怎样生成复杂的 Agent 轨迹，如何验证轨迹质量，怎样设计奖励，以及模型犯错之后如何让它自己纠正。

这就是豆包大模型 2.2 为什么可能需要更多时间训练的原因。豆包 2.2 追求的未必是一个更大的模型，而是一种新的训练方法。