Step 3

Step 3 – 阶跃星辰最新推出的多模态推理模型

Step 3：新一代多模态推理模型，专为推理时代设计，具备高性能与极致成本效益。 采用MoE架构，拥有强大的视觉感知和复杂推理能力，能在多个领域实现高效应用。7月31日正式开源。

## Step 3：开启多模态推理新纪元

在AI技术日新月异的今天，阶跃星辰隆重推出其最新力作——Step 3。这款新一代基础大模型，专为推理时代量身打造，旨在以卓越性能与极具竞争力的成本效益，引领行业发展。Step 3 不仅是首个全尺寸、原生多模态推理模型，更以其强大的视觉感知和复杂推理能力，在多个应用领域展现出巨大潜力。 7月31日，Step 3 将正式开源，向全球开发者和企业敞开大门。

### 卓越功能，解锁无限可能

Step 3 具备以下核心功能，助力用户在多样化场景中实现创新：

• 锐利视觉洞察：Step 3 能够精准识别和分析图像、视频中的复杂信息，即使面对反光严重的菜单，也能准确还原内容，展现出强大的视觉处理能力。
• 深度复杂推理：支持跨领域的复杂知识理解，并能融合数算与视觉信息，例如，结合微信群记录和购物小票，自动计算AA制消费分摊，实现智能决策。
• 原生多模态处理：作为一款原生多模态模型，Step 3 能够无缝处理文本、图像等多种模态的任务，满足多元化的应用需求。
• 高效推理引擎：通过创新的系统架构，Step 3 在推理效率方面表现出色，在国产芯片上的推理效率最高可达DeepSeek-R1的300%，在NVIDIA Hopper架构芯片上吞吐量提升超70%。
• 硬件友好设计：Step 3 适配多种硬件平台，包括主流和国产芯片，有效降低推理成本，提升资源利用率。

### 技术解析：性能背后的秘密

Step 3 卓越性能的背后，是精巧的技术架构支撑：

• MoE 架构：采用MoE（Mixture of Experts）架构，通过将模型分解为多个“专家”模块，根据输入动态选择合适的专家进行计算，在保持高性能的同时显著降低计算资源的浪费。
• AFD 分布式推理系统：将模型中的注意力（Attention）和前馈网络（FFN）计算任务分配到最适合的硬件上，提升整体效率。
  • Attention 计算：极度消耗内存带宽的任务，分配给内存带宽大的 GPU 集群。
  • FFN 计算：极度消耗算力的任务，分配给算力强大的 GPU 集群。
• MFA 注意力机制：优化算术强度，适配主流和国产芯片的性能特征，实现跨硬件平台的高效推理。

### 官方网站与项目地址

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

### 应用场景：赋能各行各业

Step 3 凭借其强大的功能，将在多个领域大放异彩：

• 智能终端 Agent：应用于智能家居、智能穿戴设备等IoT设备，提供智能语音助手和视觉识别功能。
• 金融财经：助力金融风险评估、智能客服、市场分析等，通过多模态数据处理，更准确地分析市场趋势和用户需求。
• 内容创作：辅助内容创作者生成创意文案、图像和视频内容，如生成高质量的广告文案或视频脚本。
• 视觉识别：处理复杂的视觉任务，如反光菜单识别、图像分类、目标检测等。
• 复杂推理：支持跨领域的复杂知识理解，例如结合微信群记录和购物小票自动计算 AA 制消费分摊。
• 自然语言处理：在自然语言处理任务中表现出色，能理解并生成高质量的文本内容。

### 常见问题解答

Q: Step 3 与其他模型相比有什么优势？

A: Step 3 在多模态推理方面表现出色，同时兼顾高性能与成本效益，尤其在国产芯片上的推理效率具有显著优势。

Q: Step 3 支持哪些硬件平台？

A: Step 3 适配多种硬件平台，包括主流和国产芯片，具有广泛的兼容性。

Q: 如何获取Step 3？

A: 7月31日，Step 3 将正式开源，届时可在Github仓库获取相关资源。