Step3—阶跃星辰多模态模型正式发布

最近发现不少小伙伴都对科技周边很感兴趣，所以今天继续给大家介绍科技周边相关的知识，本文《Step 3—阶跃星辰多模态模型重磅发布》主要内容涉及到等等知识点，希望能帮到你！当然如果阅读本文时存在不同想法，可以在评论中表达，但是请勿使用过激的措辞~

Step 3是什么

Step 3 是阶跃星辰推出的全新一代基础大模型，专为推理时代打造，兼具卓越性能与极佳成本效益。该模型采用 MoE 架构，总参数量达 321B，激活参数量为 38B，是全球首个全尺寸、原生支持多模态推理的大模型，具备出色的视觉理解与复杂逻辑推理能力，可广泛应用于多个领域。依托 AFD 分布式推理系统 与 MFA 注意力机制，显著提升了推理效率。在国产芯片上，其推理速度可达同类模型的 3 倍；在 NVIDIA Hopper 架构芯片上，吞吐量提升超过 70%，大幅降低部署成本。Step 3 将于 7 月 31 日 正式开源，向全球开发者和企业免费开放，提供目前最强劲的多模态推理能力。

Step 3的主要功能

• 视觉感知能力：能够精准识别并解析图像和视频中的复杂信息，即便在极端反光或模糊的菜单识别场景中，也能准确还原文字内容。
• 复杂逻辑推理：支持跨模态、跨领域的知识整合与推理，例如结合微信群聊天记录与纸质消费小票，自动完成 AA 制费用分摊计算。
• 多模态任务处理：作为原生多模态模型，Step 3 可同时处理文本、图像等多种输入形式，灵活应对多样化的实际应用需求。
• 高效推理性能：通过系统级优化，在国产硬件平台上推理效率最高可达 DeepSeek-R1 的 300%；在 NVIDIA Hopper 架构 GPU 上，吞吐量提升超 70%。
• 广泛硬件适配性：兼容主流及国产芯片平台，显著降低推理部署成本，提升计算资源利用率。

Step 3的技术原理

• MoE 架构设计：Step 3 使用 MoE（Mixture of Experts）结构，将模型划分为多个专业化的“专家”子网络，根据输入内容动态激活最合适的子集，实现高效并行计算，在保障性能的同时减少算力浪费。
• AFD 分布式推理系统：创新性地将注意力（Attention）与前馈网络（FFN）模块分配至不同特性的硬件集群执行：
  • Attention 模块：交由内存带宽更高的 GPU 集群处理，缓解带宽瓶颈；
  • FFN 模块：由高算力 GPU 集群执行，充分发挥其计算优势。
• MFA 注意力机制：针对主流及国产芯片的硬件特性优化算术强度，提升注意力计算效率，实现跨平台高性能推理。

Step 3的项目地址

• GitHub 仓库：http://github.com/stepfun-ai/Step3

Step 3的应用场景

• 智能终端 Agent：可集成于各类 IoT 设备中，如智能家居、可穿戴设备等，提供语音交互与视觉识别能力，打造更智能的用户体验。
• 金融与财经领域：适用于风险评估、智能客服、市场趋势预测等场景，利用多模态数据分析提升决策准确性。
• 内容创作辅助：帮助创作者生成图文并茂的广告文案、视频脚本等内容，提升创意效率与产出质量。
• 视觉识别任务：胜任高难度视觉任务，如反光菜单识别、图像分类、物体检测等，广泛用于餐饮、零售等行业。
• 复杂推理应用：支持多源信息融合推理，例如结合社交聊天记录与消费凭证，自动完成费用结算。
• 自然语言处理：在文本理解与生成任务中表现优异，可应用于问答系统、文档摘要、翻译等多种 NLP 场景。

好了，本文到此结束，带大家了解了《Step3—阶跃星辰多模态模型正式发布》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多科技周边知识！