IT之家7月31日消息,階躍星辰宣布新一代基礎(chǔ)大模型Step3正式開源,Step3API已上線階躍星辰開放平臺(platform.stepfun.com),用戶也可以在“階躍AI”官網(wǎng)(stepfun.com)和“階躍AI”App進行體驗。
據(jù)介紹,Step3的多模態(tài)能力圍繞“輕量視覺路徑”與“穩(wěn)定協(xié)同訓練”展開,重點解決視覺引入帶來的token負擔與訓練干擾問題。為此,其采用5BVisionEncoder,并通過雙層2D卷積對視覺特征進行降采樣,將視覺token數(shù)量減少到原來的1/16,減輕上下文長度壓力,提升推理效率。
IT之家附官方對Step3模型的介紹如下:
核心要點Step3兼顧智能與效率,專為追求性能與成本極致均衡的企業(yè)和開發(fā)者設計,旨在面向推理時代打造最適合應用的模型。Step3采用MoE架構(gòu),總參數(shù)量321B,激活參數(shù)量38B。Step3擁有強大的視覺感知和復雜推理能力,可準確完成跨領(lǐng)域的復雜知識理解、數(shù)學與視覺信息的交叉分析,以及日常生活中的各類視覺分析問題。通過MFA(Multi-matrixFactorizationAttention)&AFD(Attention-FFNDisaggregation)的優(yōu)化,在各類芯片上推理效率均大幅提升。面向AFD場景的StepMesh通信庫已隨模型一同開源,提供可跨硬件的標準部署接口,支持關(guān)鍵性能在實際服務中的穩(wěn)定復現(xiàn)。模型限時折扣中,所有請求均按最低價格計算,每百萬token價格低至輸入1.5元,輸出4元。
Step3API已上線階躍星辰開放平臺(platform.stepfun.com),大家也可以在“階躍AI”官網(wǎng)(stepfun.com)和“階躍AI”App(應用商店搜索下載)進行體驗。
行業(yè)領(lǐng)先的模型性能
我們在MMMU、MathVision、SimpleVQA、AIME2025、GPQA-Diamond、LiveCodeBench(2024.08-2025.05)等評測集上對Step3進行了測試,在同類型開源模型中,Step3成績行業(yè)領(lǐng)先。
技術(shù)亮點
Step3重點解決多模態(tài)協(xié)同、系統(tǒng)解碼成本與推理效率問題,在訓練路徑、架構(gòu)設計和推理部署上做了系統(tǒng)級優(yōu)化。
1、預訓練架構(gòu)
Step3的核心結(jié)構(gòu)采用自研MFA注意力機制,有效降低注意力計算中的KV緩存開銷與算力消耗。在不犧牲模型能力的前提下,這一方案實現(xiàn)了資源利用與推理效率的平衡,使得模型可在8×48GB顯卡上完成大吞吐量推理,具備真實部署的可行性。
2、多模態(tài)預訓練
Step3的多模態(tài)能力圍繞“輕量視覺路徑”與“穩(wěn)定協(xié)同訓練”展開,重點解決視覺引入帶來的token負擔與訓練干擾問題。為此,我們采用5BVisionEncoder,并通過雙層2D卷積對視覺特征進行降采樣,將視覺token數(shù)量減少到原來的1/16,減輕上下文長度壓力,提升推理效率。
為保證多模態(tài)訓練的穩(wěn)定性,訓練過程分為兩個階段:第一階段強化Encoder感知,第二階段凍結(jié)視覺編碼器,僅優(yōu)化主干與連接層,以減少梯度干擾。訓練語料也需與策略匹配,保障穩(wěn)定協(xié)同。多模語料涵蓋Pair、Interleave與多任務數(shù)據(jù),在清洗環(huán)節(jié)中引入相似度過濾、重采樣與任務比例控制,進一步提升圖文協(xié)同質(zhì)量與訓練魯棒性。
3、AFD解耦系統(tǒng)
Step3在系統(tǒng)架構(gòu)層重構(gòu)了解碼流程,重點解決Attention與FFN混合執(zhí)行帶來的推理瓶頸以及資源不匹配問題。為此,我們實現(xiàn)了高性能的AFD(Attention-FFNDisaggregation)方案,將兩類計算任務解耦成為兩個子系統(tǒng),并通過多級流水線并行調(diào)度,有效提升整體吞吐效率。
由于解耦后的子系統(tǒng)之間對數(shù)據(jù)傳輸有極高要求,我們同時研發(fā)了面向AFD場景的StepMesh通信庫,基于GPUDirectRDMA實現(xiàn)跨卡的低延遲和高帶寬傳輸,同時兼?zhèn)洳徽加肎PU計算資源、適配多類異構(gòu)硬件等優(yōu)勢。在50ms解碼的SLA前提下,Step3在HopperGPU上的吞吐達到4039token/gpu/s,顯著高于類似設置下的DeepSeekV3(2324token/gpu/s),且該性能增益在特定硬件與長文場景會進一步放大至300%。
StepMesh庫已隨模型一同開源,提供可跨硬件的標準部署接口,支持關(guān)鍵性能在實際服務中的穩(wěn)定復現(xiàn)。之后我們也會積極與各開源社區(qū)合作推廣,讓以上技術(shù)更容易被采納和使用。
踏入老婆工作室后,我高調(diào)公布身份,助理:我見過老板男友并非你
去國外討老婆的中國男人
《傻妻,你的馬甲被拆了》,婚后發(fā)現(xiàn)了老婆的秘密,書評9.6分
免責聲明:本文內(nèi)容由開放的智能模型自動生成,僅供參考。