近日,阶跃星辰正式发布了面向手机、车载等终端设备的 Step Edge 系列终端模型,包括基础版、Audio 版、GUI 版和 Gen 版四大版本。该系列模型可在本地处理文本、图像和音频,支持屏幕理解、语音识别、界面操作以及图像生成等功能。
据官方介绍,Step Edge 系列终端工具调用延迟低至 0.1秒。在简单、高频或弱网络环境下,任务可完全在本地完成;复杂推理任务则交由云端处理。这种混合架构显著降低了设备对网络和云计算的依赖,同时敏感数据无需上传,极大提升了隐私安全性。

为进一步优化终端性能,LeapStep 同步发布了自主研发的 Step Inference NPU 推理引擎,旨在大幅降低终端芯片的推理延迟。
官方表示,Step Edge 系列模型在 29项核心评估指标 中均位列第一,展现出领先的终端侧多模态能力。
此举标志着 AI 终端化进程进一步加速,有望为手机、汽车等智能设备带来更实时、更私密的使用体验。
这类终端模型的核心价值在于把部分大模型能力前移到设备端,适合手机、车机、可穿戴设备等对时延和隐私敏感的场景。与纯云端方案相比,它更能应对弱网环境和高频交互;与传统端侧小模型相比,则通过混合架构保留更强的多模态理解与生成能力。
Step Edge 终端模型适合哪些设备?
据文中信息,Step Edge 面向手机、车载等终端设备设计,适合需要本地低时延、多模态处理的场景,如屏幕理解、语音识别、界面操作和图像生成等。
Step Edge 为什么强调本地处理?
本地处理可减少对网络和云端算力的依赖,降低延迟;同时敏感数据无需上传,有助于提升隐私安全性,适合弱网络或高频交互场景。
Step Edge 和云端大模型有什么区别?
Step Edge 采用混合架构:简单、高频或弱网任务在本地完成,复杂推理交由云端处理。相比纯云方案,它更强调实时性、隐私保护和终端侧体验。
0.1秒工具调用意味着什么体验?
它意味着交互几乎没有明显等待感,适合语音助手、车载和实时 GUI 操作。真正难点不只是模型快,还要把唤醒、意图识别、工具路由和结果回传串成低抖动链路,否则单点快也难形成整体流畅体验。
终端模型如何兼顾多模态与功耗?
通常要靠小参数模型、量化、蒸馏和任务拆分。把高频、低风险任务放本地处理,把复杂推理留给云端;同时按场景启用音频、GUI 或生成能力,才能在续航、温度和效果之间取得平衡。
