Tian Keyu juró que mentir le acarrearía «retrasos vitales en su investigación».

Título original: «Tian Keyu jura que, si miente, su investigación sufrirá “retrasos vitales”». Autor original: Somnoliento.

La noche del 12 de octubre, Tian Keyu relató, en un programa celebrado fuera de sede, por primera vez la agitación ocurrida en ByteDance hace dos años.

Según su relato, el asunto duró menos de diez días y solo detuvo con un script el programa de una pasante «unas cinco veces». Al final del programa, el presentador le pidió que jurara, y él afirmó que, si dijera ni siquiera media mentira, su investigación sufriría «retrasos vitales».

Menos de 13 horas después de publicarse el podcast, se emitió una declaración pública de más de 10 000 palabras, firmada al final por cinco colegas que habían estado en su mismo equipo en aquel momento.

Declaración pública de 10 000 palabras | Fuente de la imagen: GitHub

El relato de esta declaración difiere totalmente de su versión. Afirma que la sabotaje humano duró desde marzo hasta julio de 2024, casi cinco meses; que manipuló el código fuente subyacente de PyTorch del clúster de entrenamiento, disfrazando cuidadosamente la sabotaje maliciosa como fallos esporádicos. Al final de la cronología de la declaración, se afirma que sus declaraciones en el podcast fueron «otro intento de encubrir y tergiversar la realidad».

Hace cuatro días, su empresa de modelos mundiales anunció una ronda de financiación cercana a los 30 millones de dólares, con una valoración post-money de 200 millones.

Hace dos años aún era pasante en ByteDance, donde fue despedido y demandado. Menos de tres semanas después de presentarse la demanda, su artículo VAR, del que fue primer autor, ganó el Premio al Mejor Artículo de NeurIPS.

Sobre este asunto, la corte, ByteDance, la comunidad académica, los inversores, sus antiguos colegas y él mismo siguen manteniendo versiones distintas hasta hoy.

Una cosa sí es clara: una notificación interna que lo declaraba autor de un ataque malicioso, junto con una sentencia de primera instancia por incumplimiento contractual, no le costaron ningún precio en el mercado de capitales.

Que una persona que ha hecho algo así pueda regresar tan rápido y con tanta consideración dos años después es, en mi opinión, la tragedia de esta era. La mitad de la tragedia recae en él y la otra mitad en quienes están dispuestos a financiarlo.

Semilla aleatoria

Antes de convertirse en el centro de una tormenta mediática, Tian Keyu había sido un «joven prodigio» ejemplar.

En 2018 ingresó a la Universidad Beihang, primero estudió materiales y luego cambió a la Escuela de Software; desde segundo año hizo prácticas en SenseTime y, durante su licenciatura, publicó dos artículos consecutivos en NeurIPS como primer autor. Su tarea de estructuras de datos del primer año obtuvo el primer puesto en una prueba de eficiencia con 800 participantes, y en su explicación escribió que, para lograr máxima eficiencia, usó numerosos trucos, atajos y optimizaciones.

Extremadamente ávido de eficiencia y extremadamente hábil para hallar atajos entre las grietas de las reglas.

En 2021 se unió como pasante al equipo de tecnología de comercialización de ByteDance. Al año siguiente, tras graduarse con licenciatura, ingresó a la Universidad de Pekín para estudios de posgrado bajo la dirección de Wang Liwei, sin interrumpir nunca sus prácticas. Pasó tres años en ese equipo, siendo el pasante que ocupó su escritorio durante más tiempo.

El grupo estaba liderado por Yuan Zehuan, con Jiang Yi a cargo de los modelos fundamentales, y muchos proyectos del grupo fueron impulsados por pasantes.

En 2024, apostaron simultáneamente por dos caminos. Por un lado estaba la autoregresión: la versión de texto a imagen de VAR se lanzó oficialmente como proyecto, liderado por Tian Keyu y ejecutado con miles de GPU. Él declaró entonces que su jefe le había ayudado a «suplicar» muchos recursos. Por el otro lado estaba el proyecto de vídeo Goku, lanzado en abril tras la aparición de Sora, que seguía la vía de la difusión y era un proyecto colaborativo entre varios equipos.

Ese año, la capacidad computacional fue el recurso más codiciado en todos los laboratorios de IA. Según estimaciones de instituciones de investigación de mercado, ByteDance adquirió ese año aproximadamente 230 000 chips Nvidia Hopper (incluido el H20, exclusivo para el mercado chino), empatando con Tencent y ocupando el segundo lugar en volumen de compras, solo detrás de Microsoft. Meta señaló en el artículo de Llama 3 que 16 384 chips H100 entrenaron durante 54 días y sufrieron 419 interrupciones inesperadas; Jan Leike, exdirector de superalineación de OpenAI, afirmó al abandonar la empresa que el equipo había estado «luchando constantemente por recursos computacionales» durante los últimos meses.

Las GPU son chips, y los chips lo son todo.

Según el documento, al lanzamiento inicial de Goku, ambos proyectos recibieron cantidades similares de GPU. En junio, Kuaishou lanzó Kling, y tres equipos de ByteDance trabajaban simultáneamente en generación de vídeo. La dirección decidió consolidar esfuerzos y concentrar recursos, por lo que las GPU comenzaron a destinarse preferentemente a Goku. Las GPU recién alquiladas también se asignaron primero a este proyecto, y el equipo de infraestructura de Seed fue transferido para ayudar a estabilizar su entrenamiento.

El 24 de septiembre, ByteDance lanzó los modelos de vídeo Doubao PixelDance y Seaweed.

Sin embargo, ya en agosto, Tian Keyu había sido despedido y escoltado fuera del área de oficinas.

Según el comunicado interno de ByteDance emitido el 5 de noviembre de 2024, Tian Keyu, entre junio y julio, «debido a su insatisfacción con la asignación de recursos del equipo, atacó maliciosamente las tareas de entrenamiento de modelos de los proyectos de investigación del equipo mediante la escritura y manipulación de código, causando pérdidas de recursos». Su acuerdo de pasantía fue rescindido, y la situación se notificó a la Alianza de Integridad SunShine, a la Alianza Empresarial contra el Fraude y a su universidad.

Según esta declaración corroborada por cinco excolegas, su sabotaje se prolongó aún más.

En marzo, el primer objetivo fue LlamaGen, otro proyecto autoregresivo del grupo, que entonces usaba menos de 100 GPU. La generación de imágenes a partir de texto en LlamaGen dependía de las características T5 proporcionadas por Tian Keyu, pero no lograba entrenarse adecuadamente. Chen Shu publicó ese mes un fragmento de código que había subido al GitLab interno: mezclaba ruido aleatorio en los pesos del modelo T5 y luego restauraba la escala numérica global a su estado original. Posteriormente, el autor descargó un nuevo conjunto de pesos desde Hugging Face y el problema desapareció. En ese momento, nadie sospechó un sabotaje intencional. Unas semanas después, VAR se publicó en arXiv.

Mezcla de ruido en los pesos T5 | Fuente de la imagen: declaración pública

A partir de abril, el objetivo cambió a Goku. Al completarse progresivamente la infraestructura, el entrenamiento de Goku se volvió cada vez más inestable. Al principio fallaba una vez cada uno o dos días, pero después ni siquiera resistía dos o tres horas. Las pérdidas se disparaban frecuentemente, haciendo casi imposibles experimentos significativos.

Según la declaración, lo que modificó fue el código fuente de PyTorch en el clúster de entrenamiento.

La semilla aleatoria fija original para el muestreo de datos se reemplazó por una marca temporal en nanosegundos. El recorte de gradientes se cambió para duplicar el gradiente en cada ocasión, aunque los valores registrados en los logs parecían normales. En su directorio había cuatro archivos llamados 18, 19, 20 y 21, correspondientes a probabilidades desde 1 entre 2¹⁸ hasta 1 entre 2²¹, provocando que cierto proceso fingiera no pertenecer al grupo durante la comunicación en el clúster. Los archivos PyTorch instalados en el sistema se sustituyeron usando sudo, y las fechas de modificación se restablecieron a sus valores originales. También dejó una puerta trasera en la unidad compartida capaz de ejecutar como comandos el texto contenido en un directorio especificado.

La redacción original de la declaración indica que estos métodos disfrazaron el sabotaje intencional como «fallos aleatorios del software, anomalías numéricas o problemas de infraestructura».

Durante uno o dos meses críticos, colegas de Pekín, Shanghái y Seattle trabajaron sin descanso en turnos, celebrando reuniones diarias matutinas y vespertinas para las entregas. La declaración señala que Tian Keyu mismo formaba parte del grupo de resolución de incidencias y asistía a las reuniones, ajustando luego su propio código según las pistas que sus colegas investigaban. Nadie imaginó jamás que la persona que causaba los problemas estuviera presente en esas reuniones. Los fallos repetidos llevaron a muchos a dudar de su propio criterio técnico.

La mañana del 30 de julio, alguien descubrió la semilla aleatoria modificada en el entorno Docker de una máquina. En los registros de inicio de sesión, además del propietario de la máquina, solo aparecía Tian Keyu. Cuando su jefe le preguntó qué hacía allí, respondió que quería estudiar el código relevante.

Al día siguiente, otro colega halló ese lote de scripts numerados en su directorio personal. En agosto, el departamento de seguridad de la empresa intervino para interrogarlo. La declaración afirma que, ante las preguntas, siempre mostró una gran calma.

Posteriormente fue despedido.

Justicia sencilla

En el podcast, Tian Keyu reconstruyó toda la historia en una versión distinta.

En esta versión, él es un héroe solitario que se enfrenta al acoso. En 2024, un nuevo «pasante A» se unió al equipo: primero acaparó recursos informáticos ajenos, como reservar asientos, y luego apagó directamente los programas de otros, sobre todo los de colegas introvertidos. Dijo que A tenía privilegios de administrador. Todos lo denunciaron al jefe, pero nunca se resolvió.

Tian Keyu recordó que una noche él y otro colega fueron los últimos en salir. Él había enviado muchas tareas, mientras que el otro no había enviado ninguna y solo miraba su teléfono, diciendo que aunque las enviara, A las apagaría igual.

Así, Tian Keyu tomó una decisión: pidió a ChatGPT que le escribiera un conjunto de scripts para bloquear o apagar manualmente las tareas de entrenamiento del pasante A.

«Nunca toqué jamás experimentos ajenos», afirmó en el podcast. Esto no fue envenenamiento ni implicó ataque ni defensa. Su motivación principal fue que no soportaba ver cómo A acosaba a otros compañeros del equipo.

Llamó a esa acción «justicia simple», calificó a A de «abusador» y añadió que, en retrospectiva, también había combatido la violencia con violencia. Admitió ante medios extranjeros que fue un acto de justiciero: «Yo combatí el fuego con fuego».

Sin embargo, esta narrativa, de aire bastante robinhoodiano, no coincide con la versión oficial. Si esta última es cierta, su alcance fue mucho más allá de las tareas de A. Lo mezclado con ruido en marzo fueron los pesos usados por LlamaGen, otro proyecto autorregresivo del mismo equipo; lo alterado tras abril fue el entorno PyTorch compartido por todo el clúster de entrenamiento.

De hecho, la versión de Tian Keyu evolucionó dinámicamente con el tiempo. Cada vez que la contaba, resultaba un poco más respetable que la anterior.

Cuando el incidente empezó a circular en redes sociales en octubre de 2024, en una captura de pantalla ampliamente difundida en grupos de WeChat, su versión era que había dejado ByteDance tras terminar su artículo, y que otra persona aprovechó una vulnerabilidad para modificar el código y culparlo a él. Personas dentro de ByteDance dijeron entonces que él lo negó reiteradamente externamente e incluso denunció a la policía por difamación.

Para el podcast de 2026, cuando el presentador le preguntó si había incriminado a alguien entonces, respondió «absolutamente no» y también dijo: «Nunca he negado mis acciones». Sobre la denuncia policial, explicó que fue porque la empresa le preguntó si sabía quién publicó lo ocurrido en línea, y él quiso que la policía investigara al autor; además, solo actuó tras confirmarlo con la empresa. Al jurar, añadió una frase más: «Detesto profundamente acusar falsamente a otros».

No acepta el término «envenenamiento». Algunos internautas lo llaman «el preso Tian», lo cual, según él, es uno de los términos más suaves usados para describirlo. Lo que más le indigna es la afirmación de que «traicionó a sus colegas e incriminó a otros».

Cuando ByteDance presentó la demanda, solicitó 8 millones de yuanes por daños por infracción, 20 000 yuanes por gastos razonables y una disculpa pública. El tribunal de primera instancia declaró incumplimiento contractual y ordenó a Tian Keyu pagar 500 000 yuanes de indemnización a ByteDance, además de confiscar todos sus salarios obtenidos durante tres años de pasantías en la empresa. Según su relato, todas las demás pretensiones fueron desestimadas, incluida la disculpa pública. Los 500 000 yuanes coincidieron exactamente con sus salarios de pasantía más los honorarios legales de la empresa, lo que calificó de sentencia «muy justa».

ByteDance apeló y aún no se ha emitido la sentencia de segunda instancia.

En el podcast, el presentador le preguntó si había alguien a quien quisiera pedir perdón en este asunto. Pensó en ByteDance y dijo que siempre se sintió profundamente apenado con la empresa: la tormenta mediática le hizo gastar muchos recursos y la demanda, gastos legales.

Ciudad

Esa declaración indicó que, durante la revisión, algunos miembros del equipo encontraron extraño que, durante esos meses, Tian Keyu mantuviera un conjunto de código ofensivo, lo modificara constantemente para seguir el progreso de las soluciones técnicas de sus colegas y, al mismo tiempo, gestionara un proyecto de entrenamiento que involucraba más de mil GPU —y aun así reportara con fiabilidad su avance en las reuniones semanales.

Esa declaración también dio por primera vez respuesta a esta pregunta.

En 2024, Tian Keyu se encargó de extender VAR a la generación texto-imagen. Durante esos meses, desplegó un modelo experimental en el Discord interno, disponible diariamente para pruebas del equipo, y el líder del proyecto lo probó personalmente varias veces. En cada actualización semanal, pudo informar con fiabilidad sobre nuevos avances del entrenamiento.

La declaración señaló que, durante la revisión posterior al despido de Tian Keyu, el equipo descubrió que el modelo desplegado en la red interna para pruebas colectivas era en realidad el modelo de código abierto PixArt.

La canalización de inferencia se empaquetó en un archivo binario y se entregó a los colegas de ingeniería para su despliegue; quienes lo implementaron no podían ver la lógica interna. Sin importar el prompt que ingresara un usuario en la interfaz, el backend añadía automáticamente la palabra «Ciudad» al inicio.

La declaración argumentaba que esto era para impedir que alguien usara el mismo indicador para compararlo con el modelo de código abierto y descubriera que los resultados eran demasiado similares.

Anteriormente, los probadores se habían preguntado por qué las imágenes generadas siempre tenían siluetas de edificios urbanos flotando en el fondo.

La declaración señaló que el modelo realmente entrenado presentaba graves problemas en su estado y pérdida de entrenamiento, quedando muy por debajo de los resultados previamente demostrados. El equipo tuvo que reiniciar desde cero, dedicando meses a la reconstrucción antes de producir posteriormente Infinity.

Primer autor

Debe reconocerse que VAR es un artículo excepcionalmente sobresaliente.

Antes de esto, el enfoque autoregresivo en la generación de imágenes había sido firmemente suprimido por los modelos de difusión. La autoregresión tradicional comprimía imágenes bidimensionales en secuencias unidimensionales de tokens, prediciéndolas una por una: lento e inferior.

VAR rompió esta maldición proponiendo la Predicción a Escala Siguiente, transformando el proceso generativo en una emergencia multiescala, desde bosquejos gruesos hasta detalles finos. En el benchmark ImageNet, redujo directamente la métrica FID de 18,65 a 1,73, mientras que la velocidad de inferencia se multiplicó casi por 20, ofreciendo por primera vez una esperanza de que el dominio visual pudiera seguir leyes de escalado como los modelos lingüísticos grandes.

Predicción a Escala Siguiente | Fuente de la imagen: esquema oficial de VAR

A finales de 2024, VAR ganó el premio al Mejor Artículo en NeurIPS 2024. En respuesta a dudas externas sobre el primer autor, NeurIPS declaró que la evaluación del premio considera únicamente el valor científico del artículo, no a los autores individualmente.

Los cinco autores de este artículo, en orden, son Keyu Tian, Yi Jiang, Zehuan Yuan, Bingyue Peng y Liwei Wang.

Primera página del artículo VAR | Fuente de la imagen: arXiv

Aunque el segundo autor del artículo, Yi Jiang, escribió en su página web personal: «Lideré el desarrollo de VAR desde el concepto inicial hasta su implementación»;

Aunque el código abierto de VAR sigue alojado bajo la cuenta de código abierto de ByteDance, FoundationVision;

Aunque tras la salida de Keyu Tian, el equipo de ByteDance iteró sobre esta base para producir Infinity e InfinityStar, que obtuvieron aceptaciones orales de nivel superior consecutivas en CVPR y NeurIPS;

Pero, en la lógica altamente estandarizada de las transacciones de capital de riesgo, todo el ruido de fondo complejo se filtra automáticamente. El marco cognitivo del capital es simple y crudo: el nombre de Keyu Tian aparece primero, por lo tanto, él es el primer autor de este Mejor Artículo.

En la pista de IA, donde la trayectoria y el prestigio importan enormemente, «primer autor del Mejor Artículo de NeurIPS» es el pasaporte más difícil de obtener. El peso de un solo nombre bastaría para opacar todo lo que una persona haya hecho fuera de ello.

Incluso podría decirse que el escándalo que sacudió la industria se transformó, en medio de esta fiebre de valoración, en un activo comercial único.

En el podcast, el presentador le preguntó directamente si la controversia con ByteDance había aumentado objetivamente su perfil en la industria.

Keyu Tian no evadió la pregunta: «Realmente, sí. Recibes una atención particularmente grande, y combinada con el premio al Mejor Artículo, es como un doble impulso».

200 millones de dólares

En los meses posteriores a su despido, lo describió como una «noche interminable». Una gran empresa de modelos le había hecho una oferta, que luego fue retirada.

Sin embargo, la lógica de las firmas de capital riesgo nunca ha sido la misma que la de los departamentos de RR.HH. de las grandes tecnológicas.

A principios de 2025, había conocido a muy pocos inversores. El primero en invertir en él fue Meng Xing, socio de 5Y Capital. Meng Xing había sido cofundador y COO de la unidad de conducción autónoma de Didi, y anteriormente gestionó inversiones en tecnología dura en Shunwei Capital, uniéndose a 5Y Capital solo en septiembre de 2024. Meng Xing lo presentó después ante Liu Qin, socio fundador de 5Y Capital, quien comentó que tenía una determinación particular.

También hubo un fondo que le gustaba mucho, pero que, en la reunión final en línea, lo cuestionó intensamente sobre el asunto de ByteDance y luego no invirtió.

En febrero de 2026, se registró discretamente Beijing Blue Carbon Network Technology Co., Ltd., con un capital social de 100 000 yuanes RMB, Tian Keyu con el 60 % y cinco accionistas más con el 8 % cada uno, varios de ellos compañeros suyos de la Universidad Beihang; en mayo, se creó otra entidad nacional controlada íntegramente por una empresa offshore, con un capital social de 1,9 millones de dólares.

Para octubre, esta startup —que aún no había revelado ni siquiera una demostración pública ni un nombre oficial— reportó haber cerrado casi 30 millones de dólares en financiación, con una valoración post-inversión de 200 millones de dólares. El inversor principal fue 5Y Capital, con participación de IDG.

El campo de la empresa es también donde, durante el último año, se ha concentrado la fiebre más costosa de todo el ecosistema de capital riesgo: los modelos del mundo.

Los modelos del mundo se han convertido en la última esperanza para todas las firmas de inversión que buscan trascender la narrativa tradicional de los LLM. La valoración de World Labs de Fei-Fei Li se disparó rápidamente, y en septiembre de este año AMD anunció su adquisición total en acciones por 8 200 millones de dólares; AMI Labs de Yann LeCun recaudó 1 030 millones de dólares en fondos semilla. Bai Zongyi, de Yaotu Capital, bromeó en el Foro Zhongguancun: «En cuanto mencionas modelos del mundo, las valoraciones empiezan en cientos de millones de dólares».

Yuan Zehuan, autor correspondiente de VAR, también dejó ByteDance para fundar una empresa de modelos del mundo; y en la Noche Maravillosa de Douyin del 11 de octubre, apareció públicamente el modelo del mundo desarrollado internamente por ByteDance, supervisado personalmente por Zhang Yiming.

Modelo del mundo de ByteDance revelado | Fuente de la imagen: QbitAI

Meng Xing habló en la Universidad de Zhejiang en septiembre de este año sobre sus criterios para evaluar emprendedores. Valora una pasión que deje «huellas rastreables» antes de iniciar un negocio, y también valora una percepción y juicio «verificados mediante la conducta». Pero esta vez, el resultado de esa verificación conductual figura claramente en una sentencia civil, y sin embargo esta grave deuda moral no se consideró en ese acuerdo de inversión de 200 millones de dólares.

Para el capital riesgo que busca rendimientos centuplicados, los defectos morales son meros riesgos extremos no cuantificables, mientras que la ventaja de un artículo destacado sí es dinero real que puede monetizarse directamente para fondos posteriores en la siguiente ronda de financiación.

Silicon Valley ya tiene precedentes. El exingeniero de Waymo Levandowski fue condenado en 2020 a 18 meses de prisión por robar secretos comerciales de Google, recibió un indulto en enero de 2021 y, más de un año después, su nueva empresa obtuvo financiación liderada por Slow Ventures.

La opinión pública también está dividida.

Hace dos años, al ganar el premio, algunos comentarios en línea afirmaron que la excelencia no puede ser una licencia para actuar mal, mientras que otros dijeron que ese no era un artículo exclusivamente suyo. Esta vez, tras conocerse la noticia de la financiación, una respuesta en Zhihu con 1507 votos a favor lo calificó como «un genio nacido para tiempos caóticos». Tratar la transgresión de normas como prueba de genialidad, y que tal afirmación obtenga tantos votos, forma parte precisamente de esos tiempos caóticos. Otra respuesta señaló: «Una persona altamente competente cometió un acto muy inmoral, pagó un precio no demasiado alto y siguió adelante».

Así volvemos a la afirmación inicial: que Tian Keyu haya podido recaudar este dinero es la tragedia de esta era.

Su parte radica en que, durante más de dos años, aprendió a contar una historia cada vez más atractiva, pero nunca respondió directamente qué ocurrió realmente durante esos meses. Al preguntársele a quién quería pedir disculpas, pensó en la empresa. Su escándalo se convirtió en su blindaje.

La parte de los inversores es aún más desalentadora. En la fiebre de valoración en torno a los modelos del mundo, la etiqueta de primer autor de un artículo destacado es más fácil de valorar que una notificación interna o una sentencia judicial. Las valoraciones de los investigadores siguen subiendo, el capital teme perder al próximo genio, afirma que invertir es apostar por personas, pero esta vez el historial previo de esta persona no afectó su regreso a la mesa.

Líder

La nueva empresa de Tian Keyu planea ampliar su equipo a veinte personas para finales de este año.

En un podcast, describió su filosofía de gestión: el preentrenamiento avanzado de modelos no requiere realmente tantas personas. Lo más importante es reunir la sabiduría colectiva y crear un entorno técnico donde todos puedan desplegar libremente sus talentos.

Hace dos años, fue el pasante con más antigüedad en su grupo. Según una circular interna de ByteDance, insatisfecho con la asignación de recursos, atacó las tareas de entrenamiento de un colega; dos años después, con casi 30 millones de dólares en mano, se ha convertido en la persona número uno de su empresa encargada de decidir quién obtiene GPUs y cuyos recursos computacionales se suspenden.

Al final del podcast, el presentador le planteó una pregunta cargada de sentido del destino:

«Si algún día, en su propia empresa, aparece un joven como Tian Keyu en 2024, ¿qué haría?»

Tian Keyu respondió que, desde la perspectiva de un líder, reflexionaría sobre cómo gestionar el conflicto e incluso interveniría antes de que este surja, para evitarlo desde sus inicios.

«Claro que, tanto como individuo como fundador, aún debe gestionarlo todo con mayor madurez.»

Solo que probablemente olvidó que, en esa zona de oficinas de Pekín durante el verano de 2024, hubo un grupo de ingenieros trabajando turnos nocturnos y, en cada reunión matutina de relevo, ninguno de ellos jamás pensó en protegerse de un colega sentado justo a su lado como si fuera un ladrón.

Enlace original