ByteDance, la società cinese proprietaria di TikTok, sta addestrando un modello di intelligenza artificiale con un massimo di 10.000 miliardi di parametri, tale da avvicinarsi per dimensioni ai sistemi più avanzati di Anthropic. Lo ha riferito il Financial Times, ripreso il 7 agosto 2026 da diverse testate internazionali, citando fonti vicine al progetto. L'addestramento sarebbe in una fase iniziale, ma la scala prevista collocherebbe ByteDance nel gruppo ristretto dei laboratori che inseguono i modelli più grandi al mondo.

Quanto è grande un modello da 10.000 miliardi di parametri

I parametri sono i valori numerici che un modello regola durante l'addestramento e che ne codificano la «conoscenza»: in prima approssimazione, più parametri significano più capacità, ma anche costi di calcolo e di gestione molto più alti. Un modello da 10.000 miliardi di parametri sarebbe oltre tre volte più grande di Kimi K3, il sistema di Moonshot AI addestrato su 2.800 miliardi di parametri. Secondo le stime di settore riportate dal Financial Times, si avvicinerebbe alle dimensioni dei modelli di punta di Anthropic, indicati attorno agli 8.000 miliardi di parametri per il livello più alto e circa 5.000 miliardi per quello immediatamente inferiore.

Un modello da 10.000 miliardi di parametri porterebbe ByteDance nel gruppo ristretto dei sistemi più grandi al mondo.

I tempi e le incognite del progetto

Il pre-addestramento di un modello di queste dimensioni richiede tipicamente da tre a sei mesi di calcolo intensivo su enormi cluster di acceleratori. Solo al termine di questa fase il modello viene messo a punto (fine-tuning) e, se non emergono problemi tecnici o di sicurezza, reso disponibile al pubblico. Significa che, anche nell'ipotesi migliore, un eventuale rilascio non sarebbe imminente: siamo alle fondamenta, non al prodotto finito.

ByteDance ha già una presenza consolidata nell'IA di consumo con l'assistente Doubao, molto diffuso in Cina, e con la famiglia di modelli generativi Seedance per il video. La valutazione dell'azienda, secondo stime recenti, ha superato i 400 miliardi di dollari, trainata proprio dal business dell'intelligenza artificiale. Il progetto del mega-modello segnala l'ambizione di competere non solo sui prodotti, ma sulla frontiera della ricerca.

Cina e Stati Uniti nella corsa alla scala

La notizia si inserisce nel confronto tecnologico tra Cina e Stati Uniti. I laboratori cinesi — da DeepSeek ad Alibaba con Qwen, da Moonshot con Kimi a Zhipu con GLM — hanno colmato buona parte del divario con i concorrenti americani, spesso con modelli a pesi aperti e a costi più bassi. Un modello da 10.000 miliardi di parametri firmato ByteDance rappresenterebbe un ulteriore salto di ambizione, questa volta sul terreno della pura dimensione.

Resta però un dibattito aperto tra gli esperti: aumentare i parametri garantisce ancora miglioramenti proporzionali? Diversi ricercatori sostengono che i guadagni derivanti dalla sola scala stiano diventando meno netti, e che la qualità dei dati, le tecniche di addestramento e l'efficienza contino sempre di più. La scommessa di ByteDance è che la scala, combinata con architetture efficienti, valga ancora l'enorme investimento richiesto. La risposta arriverà solo quando — e se — il modello verrà rilasciato e messo alla prova sui benchmark.

Nessun benchmark ancora, ma un segnale strategico

Per ora il progetto va trattato come un'indicazione strategica, non come un prodotto annunciato: nessun benchmark, nessuna data, nessun nome ufficiale. Ma il segnale è chiaro. La corsa ai modelli più grandi non si è fermata, e coinvolge ormai in prima fila i colossi cinesi, non solo i laboratori della Silicon Valley. Per gli utenti finali, l'effetto più probabile nel medio periodo è un'ulteriore pressione competitiva: più modelli capaci, spesso a prezzi in discesa, come già osservato nella recente guerra dei prezzi sull'inferenza.

Notizia basata sul report del Financial Times ripreso dalla stampa internazionale e su stime di settore sulle dimensioni dei modelli. AI Notizie incrocia le fonti e applica revisione editoriale umana.