Step 3

Step 3 – 階躍星辰最新推出的多模態推理模型

Step 3：新一代多模態推理模型，專為推理時代設計，具備高性能與極致成本效益。 采用MoE架構，擁有強大的視覺感知和復雜推理能力，能在多個領域實現高效應用。7月31日正式開源。

## Step 3：開啟多模態推理新紀元

在AI技術日新月異的今天，階躍星辰隆重推出其最新力作——Step 3。這款新一代基礎大模型，專為推理時代量身打造，旨在以卓越性能與極具競爭力的成本效益，引領行業發展。Step 3 不僅是首個全尺寸、原生多模態推理模型，更以其強大的視覺感知和復雜推理能力，在多個應用領域展現出巨大潛力。 7月31日，Step 3 將正式開源，向全球開發者和企業敞開大門。

### 卓越功能，解鎖無限可能

Step 3 具備以下核心功能，助力用戶在多樣化場景中實現創新：

• 銳利視覺洞察：Step 3 能夠精準識別和分析圖像、視頻中的復雜信息，即使面對反光嚴重的菜單，也能準確還原內容，展現出強大的視覺處理能力。
• 深度復雜推理：支持跨領域的復雜知識理解，并能融合數算與視覺信息，例如，結合微信群記錄和購物小票，自動計算AA制消費分攤，實現智能決策。
• 原生多模態處理：作為一款原生多模態模型，Step 3 能夠無縫處理文本、圖像等多種模態的任務，滿足多元化的應用需求。
• 高效推理引擎：通過創新的系統架構，Step 3 在推理效率方面表現出色，在國產芯片上的推理效率最高可達DeepSeek-R1的300%，在NVIDIA Hopper架構芯片上吞吐量提升超70%。
• 硬件友好設計：Step 3 適配多種硬件平臺，包括主流和國產芯片，有效降低推理成本，提升資源利用率。

### 技術解析：性能背后的秘密

Step 3 卓越性能的背后，是精巧的技術架構支撐：

• MoE 架構：采用MoE（Mixture of Experts）架構，通過將模型分解為多個“專家”模塊，根據輸入動態選擇合適的專家進行計算，在保持高性能的同時顯著降低計算資源的浪費。
• AFD 分布式推理系統：將模型中的注意力（Attention）和前饋網絡（FFN）計算任務分配到最適合的硬件上，提升整體效率。
  • Attention 計算：極度消耗內存帶寬的任務，分配給內存帶寬大的 GPU 集群。
  • FFN 計算：極度消耗算力的任務，分配給算力強大的 GPU 集群。
• MFA 注意力機制：優化算術強度，適配主流和國產芯片的性能特征，實現跨硬件平臺的高效推理。

### 官方網站與項目地址

• Github倉庫：https://github.com/stepfun-ai/Step3

### 應用場景：賦能各行各業

Step 3 憑借其強大的功能，將在多個領域大放異彩：

• 智能終端 Agent：應用于智能家居、智能穿戴設備等IoT設備，提供智能語音助手和視覺識別功能。
• 金融財經：助力金融風險評估、智能客服、市場分析等，通過多模態數據處理，更準確地分析市場趨勢和用戶需求。
• 內容創作：輔助內容創作者生成創意文案、圖像和視頻內容，如生成高質量的廣告文案或視頻腳本。
• 視覺識別：處理復雜的視覺任務，如反光菜單識別、圖像分類、目標檢測等。
• 復雜推理：支持跨領域的復雜知識理解，例如結合微信群記錄和購物小票自動計算 AA 制消費分攤。
• 自然語言處理：在自然語言處理任務中表現出色，能理解并生成高質量的文本內容。

### 常見問題解答

Q: Step 3 與其他模型相比有什么優勢？

A: Step 3 在多模態推理方面表現出色，同時兼顧高性能與成本效益，尤其在國產芯片上的推理效率具有顯著優勢。

Q: Step 3 支持哪些硬件平臺？

A: Step 3 適配多種硬件平臺，包括主流和國產芯片，具有廣泛的兼容性。

Q: 如何獲取Step 3？

A: 7月31日，Step 3 將正式開源，屆時可在Github倉庫獲取相關資源。