Step3
多模态大模型Step3-321B-A38B
模型参数（Parameters）
3210.0
最高上下文长度（Context Length）
64K
是否支持中文
支持
推理能力（Reasoning）
模型基本信息
是否支持推理过程
不支持
最高上下文输入长度
64K tokens
最长输出结果
暂无数据
模型类型
多模态大模型
发布时间
2025-07-31
模型预文件大小
642GB
推理模式
常规模式（Non-Thinking Mode）
开源和体验地址
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
暂无公开的 API 定价信息。
Step3模型在各大评测榜单的评分
综合评估
共 1 项评测评测名称 / 模式
得分
排名/总模型数
编程与软件工程
共 1 项评测评测名称 / 模式
得分
排名/总模型数
数学推理
共 1 项评测评测名称 / 模式
得分
排名/总模型数
模型变体及不同版本下载
发布机构
StepFunAI
查看发布机构详情
Step3-321B-A38B模型解读
Step3是阶跃星辰于2025年7月31日推出的一个前沿多模态推理模型。它的核心设计理念是在提供顶级视觉-语言推理性能的同时，最大限度地降低解码成本。
主要特点
- 混合专家架构 (MoE)：Step3采用了混合专家（Mixture-of-Experts）架构，总参数量达到3210亿，但每次推理时仅激活其中的380亿参数。这种设计旨在平衡模型的强大能力与计算资源的有效利用。
- 高性价比的解码效率：为了解决大模型在解码阶段（即生成内容时）计算成本高昂的问题，Step3进行了模型与系统的协同设计。它通过两项关键技术来提升效率：
- 强大的多模态能力：
性能表现
根据官方公布的数据，Step3在保持强大性能的同时，实现了卓越的成本效益。
- 推理吞吐量：在同等硬件条件下（Hopper GPU），Step3的解码吞吐量显著优于同类模型（如DeepSeek-V3）。在4096上下文长度、FP8精度下，其吞吐量可达每秒每GPU 4039个token，远高于DeepSeek-V3的2324个。
- 成本效益前沿：Step3在激活参数量和解码成本之间取得了新的平衡，推动了行业的前沿标准。
已知问题
阶跃星辰也坦诚地指出了模型目前存在的一些局限性：
- “死亡专家”现象：在训练过程中，研究人员发现了一个新的问题，即某些“专家”的输出权重在训练中趋近于零，导致它们虽然接收了计算任务，但对模型的最终输出没有实际贡献。这不同于常见的“路由器崩溃”问题，其根本原因仍在研究中。
- 能力权衡：长时间的多模态推理训练带来了一个权衡问题——随着模型文本推理能力的提升，其视觉感知准确性反而有所下降。
- 特定场景优化不足：模型在“vibe coding”（一种更注重风格和感觉而非严格逻辑的编程方式）方面的能力有待优化。
总结
总而言之，Step3是一个在设计上着重于解决大模型实际部署中“解码成本”这一核心痛点的多模态模型。它通过模型架构（MFA）和推理系统（AFD）的协同创新，在保证强大性能的同时，实现了业界领先的推理效率和性价比。尽管还存在一些待解决的技术问题，但它为大模型，特别是多模态模型的发展提供了一个颇具前景的降本增效方案。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
