Step-3：阶跃星辰的新一代基础大模型
2025年7月25日，阶跃星辰在世界人工智能大会（WAIC）期间正式发布了新一代基础大模型Step-3，并同步开源。Step-3采用MoE（混合专家模型）架构，总参数量321B，激活参数量38B，是一款兼具推理能力和多模态理解的旗舰级开源模型。
阶跃星辰创始人兼CEO姜大昕在发布会上坦言，坚持做基础大模型的公司会越来越少，"这确实是一件非常艰苦的事情，而且投入也非常大"。Step-3的发布，不仅展示了阶跃星辰的技术实力，也为开源社区贡献了一个强大的多模态推理选择。
核心架构与技术特色
MoE架构与参数效率
Step-3采用MoE架构，总参数量321B，但每次推理仅激活38B参数。这种设计使得模型在保持大容量知识储备的同时，推理成本和延迟都控制在合理范围内。38B的激活参数量意味着Step-3在推理效率和输出质量之间找到了一个优秀的平衡点。
与同等参数量的稠密模型相比，Step-3的MoE架构能够在不增加推理成本的情况下，显著提升模型的知识容量和泛化能力。这对于需要处理多样化任务的企业级应用来说尤为重要。
原生多模态视觉理解
Step-3的一大技术亮点是原生多模态视觉理解能力。与需要视觉MCP（Model Context Protocol）中转的方案不同，Step-3能够直接在模型内部处理视觉信息，无需额外的视觉模块调用。这不仅节省了调用开销和延迟，也使得视觉理解与文本推理之间的协同更加紧密。
Step-3支持以下视觉理解能力：
- PDF解析：直接理解和提取PDF文档中的文字、表格和图形信息
- 表格理解：解析复杂表格结构，支持跨行跨列的数据理解
- 图表分析：识别柱状图、折线图、饼图等常见图表并提取数据
- UI截图理解：分析应用界面截图，理解界面布局和交互元素
这些能力使得Step-3在企业办公场景中特别有用——用户可以直接上传文档和截图让模型分析和处理，无需手动提取信息。
Agent工作流深度兼容
Step-3被定位为"为真实Agent工作流而生的高效多模态Flash模型"。它深度兼容主流Agent框架，在工具调用的稳定性和可靠性方面表现出色。这意味着开发者可以基于Step-3构建可靠的AI智能体，处理多步骤、多工具的复杂任务。
在真实业务场景中，Step-3能够胜任：
- 办公自动化：文档处理、邮件起草、日程管理
- 代码开发：代码生成、调试、重构和代码审查
- Agent工作流：多工具协同、任务分解、结果汇总
性能表现与竞品对比
在各项基准测试中，Step-3展现了旗舰级的研究、文档解析与代码能力。虽然智谱GLM-4.5在发布后三天就以"全球开源SOTA"之名盖过了Step-3的风头，但Step-3在多模态理解方面的原生优势是GLM-4.5所不具备的。
Step-3的多模态能力使它在需要视觉理解的场景中具有独特优势。例如，在处理包含图表和截图的文档分析任务时，Step-3能够同时理解文本和视觉信息，提供更全面的分析结果。
开源策略与生态建设
Step-3已开源，模型权重可供社区使用和研究。阶跃星辰还宣布与上海国投达成深度战略合作，上海国投将参与阶跃星辰新一轮融资。基于当前落地成果和增速，阶跃计划将全年收入冲刺目标定为10亿元。
开源Step-3有助于阶跃星辰在开源社区建立技术声誉，吸引开发者和企业用户。虽然坚持做基础大模型的公司越来越少，但阶跃星辰通过开源策略展现了长期投入的决心。
优势与不足
优势
- 原生多模态视觉理解，无需视觉MCP中转
- MoE架构参数效率高，推理成本可控
- Agent工作流深度兼容，工具调用可靠
- PDF/表格/图表/UI截图一次解析
不足
- 综合排名不及同期发布的GLM-4.5
- 开源社区影响力尚在建设中
- 多模态生成（图像/视频生成）能力有限
适合人群与总结
Step-3最适合需要多模态文档处理和Agent工作流的企业开发者——特别是需要处理PDF、表格、图表等视觉内容的办公自动化场景。原生视觉理解能力使其在文档分析领域具有独特优势。
对于需要构建AI智能体的开发者来说，Step-3的Agent工作流兼容性和工具调用可靠性是重要加分项。建议结合阶跃开放平台的API和工具链进行评估。更多国产大模型评测，可查看我们的智谱GLM-4.5评测和GPT-5评测。