登录
首页 >  科技周边 >  人工智能

Step3—阶跃星辰多模态模型正式发布

时间:2025-08-21 09:00:48 323浏览 收藏

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— 阶跃星辰最新推出的多模态推理模型
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

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!

相关阅读
更多>
最新阅读
更多>
课程推荐
更多>