我勒个老天奶，大模子六小强之一的阶跃星辰，给民众拜早年的方式可真不不异——

6 天之内，库库连发 6 个模子。

大秀自家语言、语音、推理、图片意会、视频生成等多个类别的模子肌肉。

年前如斯密集地发布新模子，天然可爱阶跃体式员的头发们 1 秒，但很快默契到他们打的是有准备的仗：

早在客岁 3 月肃穆亮相之前，就语言模子和多模态模子双管都训，而后一直在多模态方面四平八稳；1 个月前，官宣拿到了 2024 年的第 n 笔融资，数额为数亿好意思元；于是也很铿锵有劲的，在宽待蛇年之际，亮出了我方同期修的 6 个模子、"五个学位"。

感触一下，不管从速率如故隐匿进程，阶跃这一波都能称得上一句"国内基模制造工场"。

并且！略略眼尖小数就能发现，这家伙似乎铆足了劲要当多模态卷王——

天然新模子多到让东谈主头昏目眩，但咱一眼就看出来了，最出彩拔尖的，如故多模态模子。

最径直的根据即是多模态模子 Step-1o 系列，开年又拿下新排位，勇夺多模态模子评测及时榜单 OpenCompass，及大模子竞技场最新多模态榜单中国第一。

至于这次炮轰式上新的具体情况——不管是模子种类、数目如故质地——我们都拉出来溜溜。

也便捷全部更了了地感知感知，2025 年开年，阶跃在 AGI 路上第一波加快决骤，到底怎么样。

6 款模子密集上新，阶跃全面布局基模矩阵

放胆推送发出，阶跃还是是业内模子矩阵最全面的公司之一。

全面两个字，缘何见得？

6 款模子，包括语言、语音、推理、图片意会、视频生成：

视觉版多模态模子Step-1o Vision

语音模子Step-1o Audio

视频生成模子Step-Video

推理模子Step R-mini

语言模子Step-2 mini

语言模子Step 文豪版

至此，阶跃的基座模子矩阵还是隐匿了从语言、多模态到推理的全面才能；其中的推理模子是阶跃自研 Step 系列模子眷属的首个推理模子，完成了阶跃基模界"六边形战士"的临了一块拼图。

不外，「全地点发力」是否意味着有货真价实，高抬高打？我们逐个来看。

p.s. 先叠个甲，以下模子按量子位速即实测国法成列，不分分量级与先后（doge）。

咱选择先从多模态 Step-1o 系列起首。

多模态系列：视觉版多模态模子 Step-1o Vision

阶跃的多模态之路始于 2023 年 11 月，千亿参数的多模态大模子 Step-1V 老到获胜。

次年，Step-1V 就在大模子竞技场位列视觉范畴中国大模子第一，其后又接二连三在多样海表里榜单上屡次霸榜。

可以说，「强多模态才能」成为了阶跃身上烙下的一个明显 tag。

而其旗下多模态的主系列，也从 Step-1V 迭代到了 Step-1o。

比较于 1v 系列，1o 系列升级了模子架构，让视觉性能 up up，同期竣事在视觉识别、感知、指示扈从、推理等任务的才能擢升。

这次密集连发，Step-1o 系列全新发布了多模态意会模子 Step-1o Vision，升级语音模子 Step-1o Audio。

先说前者，多模态视觉模子Step-1o Vision。

值得一提的是，这款模子刚推出，就在大模子竞技场最新榜单上一战成名。

1 月 20 日，Lmsys Org 发布大模子竞技场最新榜单，Step-1o Vison 榜上闻名，是当下中国视觉范畴大模子 top 1。

具体而言，Step-1o Vision 是阶跃最新多模态模子 Step-1o 的视觉版块。

在 Step-1o 的基础上，Step-1o Vision 百丈竿头更进一步，官方称"识别图像内容更准确（哪怕是复杂场景或相似图片）"，"能识别图中的多种语言"。

实战望望实力！

识别图像第一关，图像意会——

最近小红书上中外网友荒诞全部搞抽象的事情，想必民众都知谈了，有的东谈主信赖深度参与了

我们从搞抽象的驳倒区，选了一张歪果仁们还不一定学会了的考中 meme 图，来考考 Step-1o Vision。

但跃问莫得迟疑，径直回答正确，算它好事 +1。

识别图像第二关，根据图片内容进行推理——

Prompt 刀刀见血：

从内部取出一瓶矿泉水，需要几步 ?

附带的图片从侧面拍摄，一定进程上擢升了难度。

并且我们挖了坑，既莫得说从什么的内部取出矿泉水，也没说什么什么样的东西是矿泉水。

然则，Step-1o Vision 呶呶不休。

既讲明了是要从"饮料柜"里拿，也讲明了矿泉水的位置所在，还正确回答了"需要几步"这一问题。

多模态系列：语音模子 Step-1o Audio

紧接着说说本次 Step-1o 系列上新系列的第二款模子，Step-1o Audio。

语音模子其实不是阶跃 Step 系列的新状貌。

阶跃此前就有语音复刻和生成大模子 Step-tts-mini、语音识别大模子 Step-Asr；客岁 12 月 13 日又官宣了名为 Step-1o Audio 的千亿参数端到端语音大模子，是国内首个千亿参数的端到端语音大模子。

当今，Step-1o Audio 还叫这名儿。

但前后不外一个月，它还是速率赶快地升级，在心理感知与意会、多语种和多方言、通话体验上有了新冲破。

官方给的新版块亮点有仨：

心理感知，识别口吻语调心理信息，并纠合语境意会需求，赐与恰到克己的讲演；

多语种、多方言对话，中英文可达"同传"水平；

通话体验升级，低蔓延、更天然、个性化。

既然声称我方能感老友理，那咱就来段丧气满满的牢骚。

闭幕很妙，Step-1o Audio 它说它可爱我哎！！不仅替我埋怨牢骚，还劝我下次早起不要迟到被扣钱了。

好贴心，我哭啊。

然并卵，深受感动也没影响我们赓续测试。

于是咱又秀了一段我国南边某地口音的日语，想和它切磋一番。

量子位：おはよう、あけましておめでとう！（你好，新年振作！）

Step-1o Audio：おはよう、何かお手伝いできることはありますか？（你好，有什么可以帮你的吗～）

还怪乐于助东谈主的。

至于全体的通话质地，如视频呈现。

莫得加快，确乎蔓延很低，声息也很拟东谈主，nice。

推理系列：推理模子 Step R-mini

Step R-mini，全称 Step Reasoner mini，是本次阶跃模子 6 连发里打头阵的那一个。

这亦然阶跃的第一个推理模子，"擅长主动进行野心、尝试和反念念，能通过慢念念考和反复考据的逻辑机制"。

有了它，有了这块阶跃基模矩阵的热切拼图，才有了我们前边说阶跃是"国内基模制造工场"这个 title。

诸多 Benchmark 评测上，Step R-mini 都还挺闪耀：

部分数学基准测试（如 AIME 和 Math 等）上，Step R-mini 的获利超越了 OpenAI o1-preview，并列 OpenAI o1-mini；代码任务（如 LiveCodeBench）上，Step R-mini 的效果优于 o1-preview。

从官方先容中，我们还索求到一个 Step R-mini 的时弊词：文理兼修。

这小数比较独特。

因为 OpenAI o1 为首开启的推理模子新赛谈，戒备合手的是模子的逻辑推理才能，通用性也巨额泛化在数学、代码、物理、化学等方面。

表面上来讲，增多类 o1 模子的老到参数范畴可以擢升模子的文科才能，但会因此耗费信赖性，酿成理工科才能的下滑。总之推理模子就很难兼顾文理两个地点。

据先容，为了让 Step R-mini 文理兼修，阶跃对模子进行了大范畴的强化学习老到，并使用 On-Policy（同策略）强化学习算法。

因此，上手体验时，量子位也从文理两方面下手。

先来一谈推理题：外星东谈主题。

在此前测试的通盘大模子中，这谈外星东谈主题只须 4o 和 o1-preview 答对过。

不外，4o天然作念对了，却仅仅借助 python 代码给出了数值解：

o1 就不不异了，给出好意思满的解析解还去掉了不适合条目的根。

望望 Step R-mini 这边，答题启动——

Step R-mini 骄慢呈现了我方的好意思满念念考过程。过程不算短，但推行体感吐出的速率是很快的。

念念考结束后，Step R-mini会把念念考过程折叠起来，若有需要再手动大开稽察。

（比较之下，o1 不给看原始念念考过程，折叠起来的是念念考过程摘录；有的推理模子则是不折叠，在念念考过程底下径直接输出谜底）

然后再呈现给用户一个精湛版的输出：

谜底正确，√ 2-1。

此外，Step R-mini 还可以处分复杂的竖立需求。

它会逐步分析用户的需乞降意图，构建代码逻辑，在代码写稿中穿插对现时代码片断的分析和考据，最终给到可履行的代码。

比如，短短一转出面的 prompt，要它写一个 AI 产物订阅的页面，附带一些特定条目。

运行它写的代码，你将得到（这孩子还挺会道路式订价的）：

至于文科内容创作才能方面，官方先容是酱婶的：

它会先分析用户对创作东题、体裁题材的要求，然后念念考处分创作角度、描写的景物、修辞手法、内容结构，赋予事物东谈主类情感层面的标记敬爱，并增多个性化的、改革的抒发作风。

让咱来淡淡为难它一下。

输入 prompt：

请以"挤地铁的早八东谈主"为题，用琼瑶的文风，创作一篇 800 字驾驭的著述。

Step R-mini 的念念考过程，大约走了"点明琼瑶文风特色——切入视角——设定主角——氛围营造和语言抒发——限度字数——排篇布局——入手开写"这样一个经过。

临了呈现出的随笔，描写纯真，仿佛能嗅觉到车厢里的磨蹭流动（？），确乎有琼瑶大姨作品的滋味。

共 824 个字，以及致使贴心性在临了加了个对于"琼瑶文风"的小 tips。

另外，阶跃在我方的公众号中明确给出了彩蛋——

除了语言推理模子，我们也在打造视觉推理模子，将推理才能融入更多交互形态的大模子中。

据官方所说，针对复杂视觉场景下的 Reasoning 问题，团队引入了慢感知和空间推理的念念想，把 Test-Time Scaling 从文本空间回荡到视觉空间，竣事在视觉空间下的 Spatial-Slow-Thinking。

一些阶段性效用，也小小偷跑物料了一下。

比方让阶跃的视觉推理模子解答图中的题目：

又或者照顾图中的这些小球，离别对应什么数字？

从 Demo 来看证明可以，值得期待一波。

何况阶跃是拍着胸脯保证了，多模态视觉推理 2025 年内一定发布。

归正咱还是搬着小板凳坐好了（乖巧嗑瓜子恭候 .jpg）。

语言模子系列：语言模子 Step 文豪版

这次上新的 6 款模子中，有 2 款都附庸语言模子之列。

毕竟语言模子是这一波 AI 海潮的最先，亦然阶跃从第一天就启动布局和扎根的范畴（24 年 3 月发的语言大模子 Step-2，是国内最早由创业公司发布的万亿参数大模子）。

沿 Scaling Law 路线，阶跃一年多来在语言模子方面效用斐然，屡次在国表里泰斗榜单上得回中国第一。

迄今为止，语言模子几乎可以算阶跃的又一传统坚忍艺能了（手动狗头）。

这一波升级的 Step 文豪版、Step-2 mini 都脱胎于 Step-2，但二者各有长处。

Step 文豪版，是在体裁创作的垂直范畴体现出更强实力的那一个。

比较于其它以"数字 + 英文"来定名的模子，果真领有好独特的一个名字！并且名副其实，"专为创作而生"，还是上线跃问 App。

用实战言语，我们先看它写的内容，再来揭晓 prompt，望望到底贴合与否：

公布谜底的时刻！

我们让 Step 文豪版写故事时的要求，是"以明朝为布景创作一个悬疑演义，融入《明书 · 太祖载纪》的内容，带有天灾、地裂、克苏鲁等元素，第一东谈主称"。

提及来，Step 文豪版的体裁才能，和文理兼修的 Step R-mini 的文科才能来源还不不异：

Step 文豪版之是以体裁教学不低、创作才能雄壮，是因为守旧了万亿参数语言模子 Step-2 的学问储备，以及对语言生成的把控。

信赖好多一又友用了 AI 都有一个烦懑，即是 AI 生成的翰墨内容，有的即是有股说不清谈不解的 AI 味。

针对于此，阶跃念念考其实质逻辑，是那些模子创作出来的内容枯竭锐度和新意，莫得真情实感和对社会事件的描写与念念考。

而好的内容创作模子需要充分意会用户的创作需求，逻辑严实、语言凝练、言之有物、节拍紧凑，领有深化念念想和独有的作风……

（越听越像量子位主编对裁剪们的要求，xs）

因此，"收受" Step-2 才能的 Step 文豪版，推行上是吃到了万亿参数语言模子的 Scaling Law 红利，以此擢升我方语言、翰墨功底的基石。

语言模子系列：语言模子 Step-2 mini

上新之语言模子系列的第二位，则是语言模子Step-2 mini。

相较于 Step 文豪版，它更具性价比和商用性。

顾名念念义，mini，意味着这是一位敏捷的轻量级选手，阶跃官方对它的先容是"极速反应、高性价比"。

轻量级，体当今 Step-2 mini 仅以万亿参数大模子 Step-2 的 3% 驾驭的参数目，保有其 80% 以上的模子性能。

极速反应，体当今 Step-2 mini 比较此前的阶跃模子有着更快的生成速率，输入 4000 tokens 的情况下，平均首字时延仅 0.17 秒。

高性价比，径直体当今价钱上，输入为 1 元 / 百万 token；输出为 2 元 / 百万 token。

上述优点要是从本事竣事上顺藤摸瓜，是 Step-2 mini收受了阶跃自主研发的新式注眼光机制架构 MFA（Multi-matrix Factorization Attention，多矩阵理解注眼光）过火变体 MFA-Key-Reuse。

比较于常用的 MHA（Multi-Head Attention，多头注眼光）架构，MFA 从简了近 94% 的 KV 缓存支拨，从而领有更快的推理速率，并大幅裁汰了推理资本。

速率快、性价比高，使得 Step-2 mini 在同类竞品中的营业化场景更平方。

友情教导，当今通盘竖立者盆友们，还是可以在阶跃星辰怒放平台调用 Step-2 mini 的 API 了。

视频模子系列：视频生成模子 Step-Video

Last one，视频生成模子 Step-Video。

11 月底的时分，不少网友就发现阶跃旗下「跃问」的 web 端，倏得冒出了换个"跃问视频"的选项。

但这事儿偷偷咪咪的，低调得很适合阶跃一贯的行事作派。

想不到这一轮 6 连发，径直把初代视频生成模子的升级版 Step-Video 给放到 web 端可用了。

底层模子的升级点标注得很明确，是在复杂领略、好意思感、东谈主物、浅近翰墨生成、中英双语输入和镜头语言方面具备更强的生成才能。

干涉后，界面很浅近，莫得多样可以手动调度的参数，只用输入中 / 英文 prompt 即可。

输入框右上方有一个可供选择的"描写优化"按钮。

优化进程大致是，原 prompt 长这样：

在番邦的唐东谈主街，到处飘溢着春节的喜气洋洋的氛围，中国状貌和番邦状貌的好多路东谈主在唐东谈主街上走来走去，路边还有一个卖冰糖葫芦的大哥爷。

优化过的 prompt 长这样：

在唐东谈主街上，春节的喜气洋洋氛围中，中国状貌和番邦状貌的路东谈主南来北往。一个身穿红色上衣、灰色裤子的大哥爷在路边摆摊卖冰糖葫芦，他笑眯眯地呼唤着行东谈主。阳光洒在唐东谈主街上，照亮了红灯笼和彩旗，东谈主们在街上试吃着好意思食，笑声连续于耳。通盘场景收受厚实器拍摄，画面畅通，具有纪实作风。

优化的细节包括但不限于东谈主物外在细节、面部脸色、环境布景、东谈主物动作、运镜手法、画面作风等等。

然后量子位淡淡测了一下，主要考验的是东谈主物形象是否更厚实和复杂领略生成是否更天然。

测试 prompt 如下：

视频中，又名女子身穿淡色衣服，头戴花环，专注地拉小提琴。她身处阳光下，布景是被阳光照亮的树木。视频收受特写镜头拍摄，捕捉了女子专注演奏的神气，阳光透过树叶洒在她身上，营造出一种宁静而好意思好的氛围。通盘画面了了，具有写实作风，展现了女子与天然环境的妥洽好意思感。

没过多久，就 get 了如下视频：

视频主体的性别、衣服、脸色、动作、布景、晴朗，都自豪教导词需求。

视频质地也没纰谬，东谈主物厚实，小提琴没走样，手部手脚经常出 bug 的生成难点也 hold 住了。

临了，我们再送跃问视频一题，以此终端对 6 款模子的通盘实测。

也祝心早已不在工位上的诸君，蛇年振作发大财！

Prompt：夕夜里，一位小女孩站在四合院的院子中间，手持燃烧的青娥棒，火花耀眼照亮她充满期待的脸庞，背后是贴满对子的大门和高高挂起的红灯笼，暖黄色灯光透过窗户洒在地上，营造出温馨的氛围。

各异化成活命时弊，但阶跃依旧奔赴 AGI

总而言之，阶跃近期 6 款模子走质又走量的全线出击，其本性可以了了玄虚为：

布局全面，实力不俗，迭代迅速。

这样十二个字，既是对阶跃开年交代的精湛玄虚，亦然阶跃在牌桌上四平八稳的上风所在。

尤其是它在农历新年到来前，又用实力秀了一波手脚多模态卷王，在多模态的范畴的本事持续最先性。

并且量子位在曩昔一年若干获悉，阛阓、竖立者对阶跃多模态的才能如故终点认同的。

比如小而好意思的 AI 运用胃之书的竖立者赵纯想就说过，AB 测试下来，用阶跃的模子，付费率最高；别的一些网红 AI 运用也若干理会过，接入阶跃多模态模子 API，竣事了用户付费率的擢升。

以这样的本事实力和行业口碑手脚 2025 开年基本盘，阶跃也无惧现阶段业界悄然形成的一种共鸣了。

那即是以 2024 年末、2025 年头为界，大模子竞争形式中的基座模子玩家还是步入新的篇章，下半场的洗牌之战还是吹响军号。

详确不雅察，可以发现诸多变化来印证这小数。

比方有的基座模子玩家，启动转向专注在特定垂直范畴进行模子研发，以小巧取胜。

有的则毁灭了对超等大模子老到的执着追求，更求实地选择老到参数适中的更快、更低廉的模子，并基于此打造运用掘金。

还有的基座模子玩家启动进行战术方朝上的调度，从更注重追求用户增长，转为倾向对模子与本事才能擢升进行珍摄。

这偶合 call back 了客岁在坊间流传的那句话，"大模子六小强活命时弊是各异化"。

然则，在这场风浪幻化中，阶跃却很专情，坚强地沿着客岁 3 月公开晓谕的路线稳步前行。

即：单模态——多模态——多模意会和生成的融合——宇宙模子—— AGI。

听凭风浪起，稳坐垂钓台。

—  完  —

一键随和 � � 点亮星标

科技前沿进展逐日见

一键三连「点赞」「转发」「小心心」

接待在驳倒区留住你的目标！开yun体育官网入口登录体育