StepFun
共 10 篇文章
Step 3.7 Flash
Step 3.7 Flash 是 StepFun 推出的 1980 亿参数稀疏 MoE 视觉语言模型，每 token 激活约 110 亿参数，吞吐量高达每秒 400 token，面向高频生产工作负载与智能体工作流设计，在多模态感知、工作流完整性与代码工程等方向表现突出。
Step-Audio-R1
Step-Audio-R1 是首个成功解锁测试时算力扩展的音频语言模型，通过模态锚定推理蒸馏（MGRD）解决反向扩展问题；R1.1 引入双脑架构实现边说边想，R1.5 转向 RLHF 以保留口语交互的自然度与情感连贯性。
Step1X-Edit
StepFun 开源的 SOTA 图像编辑模型，性能对标 GPT-4o 与 Gemini 2 Flash，采用多模态大模型结合扩散图像解码器，并配套基于真实用户指令的 GEdit-Bench 基准。
Step-Audio-EditX
阶跃星辰开源的 3B 参数、基于 LLM 的强化学习音频编辑模型，专精于情绪、说话风格与副语言的迭代式编辑，并具备零样本 TTS 克隆能力；提供完整 SFT/DPO/GRPO 训练代码与 vLLM 推理支持，在零样本克隆与情绪控制评测上领先闭源模型。
Step-3.5-Flash
Step-3.5-Flash 是阶跃星辰（StepFun）最强的开源基础模型，采用稀疏 MoE 架构，每个 token 仅激活 196B 参数中的 11B，以极高的推理效率对标顶级闭源模型，在推理、编码与 agent 能力上表现突出。
StepDeepResearch
Step-DeepResearch 是阶跃星辰开源的端到端深度研究智能体模型，仅 32B 参数即在 Scale AI ResearchRubrics 上取得 61.4%，比肩 OpenAI 与 Gemini Deep Research；新版 Step 3.5 Flash 进一步提升至 65.27 分。其核心方法是将复杂研究任务拆解为规划、检索、反思与报告生成等原子能力，通过 Agentic Mid-Training → SFT → RL 渐进式训练在模型层内化，实现单次推理内的闭环反思与动态修正。文中还完整呈现一篇由模型生成的 AI Agent 记忆模块深度调研报告作为案例。
NextStep-1：迈向大规模连续 Token 自回归图像生成
NextStep-1 是 StepFun 多模态智能团队推出的 140 亿参数自回归图像生成模型，被 ICLR 2026 收录为 Oral，直接在连续图像 token 上工作，采用统一的下一 token 预测框架，并开源了完整训练代码与多种 checkpoint。
PaCoRe：通过并行协同推理学习扩展测试时算力
PaCoRe 是 StepFun 提出的并行协同推理框架，将推理驱动从顺序深度转向协同并行广度，通过消息传递架构打破上下文限制，实现百万级 token 的有效测试时算力扩展，8B 模型在 HMMT 2025 上达到 94.5%，超过 GPT-5。
StepMesh：面向 Attention-FFN 分离架构的高性能低延迟通信库
StepMesh 是阶跃星辰开源的通信库，为 Attention-FFN 解耦架构提供统一高效的 ZeroCopy ZBatchPushPull 张量传输接口，基于 RDMA 实现跨加速器超低延迟通信，并提供 CPU/GPU/xPU 模块化后端。
Step3-VL-10B
阶跃星辰开源的 10B 级紧凑多模态模型，通过 1.2T token 统一预训练与 1,400+ 次强化学习迭代（RLVR + RLHF），在 MMMU、MathVista、AIME 2025 等基准上匹敌甚至超越 10-20 倍体量的开源模型；PaCoRe 并行协同推理模式把 AIME 2025 从 87.66% 提升至 94.43%。