什么是真正好用的推理模型？阶跃Step 3：开源的，多模态的，低成本的，国产芯片适配的

69 0 0

文章摘要

阶跃星辰在WAIC期间发布的新一代基础大模型Step 3，填补了市场对兼具多模态能力、强推理性能、低成本及开源特性的模型需求空缺。该模型总参数达321B，采用MoE架构，激活参数38B，包含独立的视觉编码器和语言模型。Step 3在MMMU等多模态榜单上取得开源模型新SOTA成绩，同时通过系统协同设计显著降低推理成本，解码效率最高可达同类模型的300%。

模型的核心优势体现在“多开好省”四字策略中。“多”指其原生多模态能力，能处理跨领域复杂知识分析和日常视觉任务，例如根据服装标签结合用户体征提供穿搭建议。“开”表现为7月31日全面开源的承诺，打破强模型闭源的行业惯例。“好”强调严谨的逻辑推理能力，例如通过WAIC现场图片识别机器人拳击场景并推断展会背景。“省”则通过AFD分布式推理系统和MFA注意力机制两项创新实现：前者拆分Attention与FNN计算任务以优化资源分配，后者通过低秩设计降低KV缓存需求，最终使Step 3在A800芯片上的成本仅为DeepSeek-V3的30%。

落地层面，阶跃联合近10家芯片厂商成立“模芯生态创新联盟”，推动国产硬件适配。华为昇腾等已实现完整多模态能力部署，解决API价格战之外的算力瓶颈。终端应用覆盖汽车、手机等场景：吉利银河M9首发搭载端到端语音大模型，OPPO等Top10手机厂商过半接入多模态功能，实现本地化AI伴聊和记忆管理。商业化进展显著，2025年预计收入达10亿人民币，验证了技术到产业的闭环能力。

Step 3的发布标志着推理模型竞争进入新阶段——从参数指标转向实际部署价值。其系统级创新不仅重新定义SOTA标准，更通过芯片友好设计、终端场景渗透和生态协同，为行业提供了兼具技术前瞻性与商业可行性的范本。当多数厂商仍聚焦榜单排名时，阶跃已通过“能用、好用、用得起的模型”在汽车座舱、智能手机等高频场景建立起差异化壁垒，成为基础模型赛道中少数实现规模收入的玩家。