--- title: "阶跃星辰Step 3发布：321B参数多模态推理模型，效率提升300%并即将开源" url: "https://paooo.com/aigc-news/14390/" author: "Prompt 语宙研究院" published_at: "2026-06-25T22:12:22+08:00" updated_at: "2026-06-07T20:23:08+08:00" categories: "AI 工具, AIGC 资讯" tags: "MoE架构, Step 3, 多模态推理模型, 大模型开源, 阶跃星辰" source: "Prompt 语宙 (https://paooo.com)" ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)" --- # 阶跃星辰Step 3发布：321B参数多模态推理模型，效率提升300%并即将开源 > 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/14390/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-25 ## AI 30 秒核心看点 (TL;DR) - 321B 总参数、38B 激活参数，Step 3 以 MoE 架构实现高性能与低成本兼顾。 - AFD 分布式推理系统叠加 MFA 注意力机制，国产芯片效率最高达同类模型 3 倍。 - 支持视觉感知、复杂推理与多模态任务，7 月 31 日将正式开源。 > **💡 站外导读：**随着AI应用向实时化、复杂化演进，模型推理效率与成本成为落地关键瓶颈。阶跃星辰最新发布的Step 3模型，正是瞄准这一痛点，通过MoE架构与系统创新，在保持321B总参数强大能力的同时，将激活参数控制在38B，并在国产及主流芯片上实现推理效率数倍提升。这标志着多模态大模型正从“能力竞赛”转向“效能竞赛”，为大规模行业应用铺平道路。 ## Step 3是什么 Step 3 是阶跃星辰最新发布的新一代基础大模型，专为推理时代设计，兼具高性能与极致成本效益。采用 MoE 架构，拥有 321B 总参数量 和 38B 激活参数量，是首个全尺寸、原生多模态推理模型，具备强大的视觉感知和复杂推理能力，能在多个领域实现高效应用。通过 AFD 分布式推理系统 和 MFA 注意力机制，实现了推理效率的大幅提升。在国产芯片上，推理效率可达同类模型的 3 倍，在 NVIDIA Hopper 架构芯片上吞吐量提升超 70%，显著降低了推理成本。Step 3 将于 7 月 31 日 正式开源，为全球开发者和企业提供最强的多模态推理模型。 ## Step 3的主要功能 - **视觉感知**：Step 3 能准确识别和分析图像和视频中的复杂信息，例如在反光严重的菜单识别中，依然能准确还原内容。 - **复杂推理**：支持跨领域的复杂知识理解、数学与视觉信息的交叉分析，例如结合微信群聊天记录和购物小票自动计算 AA 制消费分摊。 - **多模态任务处理**：作为原生多模态模型，Step 3 能处理语言、视觉等多种模态的任务，满足多样化应用场景需求。 - **高效推理**：通过系统架构创新，Step 3 在推理效率上表现出色。在国产芯片上，推理效率最高可达 DeepSeek-R1 的 **300%**，在 NVIDIA Hopper 架构芯片上吞吐量提升超 **70%**。 - **硬件友好**：Step 3 适配多种硬件平台，包括主流和国产芯片，能显著降低推理成本，提升资源利用率。 ## Step 3的技术原理 - **MoE 架构**：Step 3 采用了 MoE（Mixture of Experts）架构，是高效的模型并行化方法。通过将模型分解为多个“专家”模块，根据输入动态选择合适的专家进行计算，MoE 架构能在保持高性能的同时显著降低计算资源的浪费。 - **AFD 分布式推理系统**：将模型中的注意力（Attention）和前馈网络（FFN）计算任务分配到最适合的硬件上，提升整体效率。 **Attention 计算**：极度消耗内存带宽的任务，分配给内存带宽大的 GPU 集群。 - **FFN 计算**：极度消耗算力的任务，分配给算力强大的 GPU 集群。 - **MFA 注意力机制**：优化算术强度，适配主流和国产芯片的性能特征，实现跨硬件平台的高效推理。 ## Step 3的项目地址 - **Github仓库**：https://github.com/stepfun-ai/Step3 ## Step 3的应用场景 -  **智能终端 Agent**：Step 3 可以应用于各种 IoT 设备，如智能家居、智能穿戴设备等，提供智能语音助手和视觉识别功能。 - **金融财经**：Step 3 可以用于金融风险评估、智能客服、市场分析等场景。通过多模态数据处理，模型能更准确地分析市场趋势和用户需求。 - **内容创作**：Step 3 可以辅助内容创作者生成创意文案、图像和视频内容。例如，结合视觉和文本信息生成高质量的广告文案或视频脚本。 - **视觉识别**：Step 3 能处理复杂的视觉任务，如反光菜单识别、图像分类、目标检测等。 - **复杂推理**：Step 3 支持跨领域的复杂知识理解，例如结合微信群聊天记录和购物小票自动计算 AA 制消费分摊。 - **自然语言处理**：Step 3 在自然语言处理任务中表现出色，能理解并生成高质量的文本内容。 #### 📝 站长洞察 (Editor's Insight) Step 3的发布精准抓住了当前大模型发展的核心矛盾：如何在模型能力与推理成本间取得最优解。其采用的MoE架构与AFD分布式系统，本质是将工程优化提升到算法同等重要的位置，这或许是下一阶段AI竞争的关键。特别值得注意的是其对国产芯片的适配与效率提升，这不仅是技术亮点，更是战略考量，为国产算力生态注入强心剂。开源决策也将加速技术民主化，推动推理成本进一步下探，催生更多实时、交互式的AI原生应用。 ## 📊 Step 3 与竞品在多模态与语言基准上的对比跑分 > 核心发现：图中显示 Step 3 在 MMMU、MathVision、SimpleVQA、AIME 2025 和 LiveCodeBench 上均取得最高分，但在 GPQA-Diamond 上略低于 ERNIE 4.5。 | 基准 | Step 3 | ERNIE 4.5 | GLM-4.1V-Thinking | MiMo-VL | QvQ-72B-Preview | Llama 4 Maverick | | --- | --- | --- | --- | --- | --- | --- | | MMMU | 74.6 | 70.0 | 68.0 | 66.7 | 70.3 | 73.4 | | MathVision | 65.0 | 47.6 | 49.4 | 47.2 | 35.9 | 60.4 | | SimpleVQA | 63.0 | 59.8 | 48.1 | 48.5 | 40.3 | 45.4 | | AIME 2025 | 83.0 | 35.1 | 13.3 | 60.0 | 22.7 | 19.2 | | GPQA-Diamond | 72.9 | 76.8 | 47.4 | 55.5 | 49.5 | 69.8 | | LiveCodeBench (2024.08-2025.05) | 66.8 | 38.8 | 24.2 | 50.1 | 24.1 | 33.9 | ## 常见问题解答 (FAQ) ### Step 3 是什么模型？ Step 3 是阶跃星辰发布的新一代基础大模型，定位为推理时代的原生多模态推理模型。它采用 MoE 架构，拥有 321B 总参数和 38B 激活参数，兼顾能力与推理效率。 ### Step 3 在推理效率上提升了多少？ 文中给出的结果显示，Step 3 在国产芯片上推理效率最高可达同类模型的 3 倍；在 NVIDIA Hopper 架构芯片上，吞吐量提升超过 70%。 ### Step 3 什么时候开源？ 文章明确提到，Step 3 将于 7 月 31 日正式开源。项目地址为 GitHub 仓库：https://github.com/stepfun-ai/Step3 --- 探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)