云服务

Step 系列大模型

收录更新 2026-11-11·10 项参数·4 款同类产品

人工智能大模型按 Token 计费 📋 10 项参数

阶跃星辰自研 Step 系列基座模型（万亿参数 MoE/多模态/语音/视频生成），Step-2 国内基座模型第一梯队， Step 视频生成能力突出。

选型与对接面向采购 · 集成 · 代理场景

一手厂商	阶跃星辰✓ 官方直连
价格模式	按 Token 计费
适用行业	互联网内容创作
厂商总部	北京 · 北京
厂商主营	软件
官方渠道	stepfun.com直达厂商官方产品页，无中间商
常见叫法	Step 多模态阶跃星辰

免费对接

对接「阶跃星辰」采购 / 代理 / 集成？

在线咨询站长，由站长协助你对接厂商、解答产品与报价问题；厂商也可开通认证收录，解锁全站直聊。

📋 本页资料整理自厂商官方网站（更新于 2026-11-11），价格与功能以厂商官方页面为准。

产品参数10 项参数 · · 整理自 3 个公开来源

Step 3 的完整架构参数MoE 总参数 3210 亿、激活 380 亿（LLM 部分 3160 亿、VLM 部分 3210 亿）；总层数 61（含 5 个稠密层）、隐藏层维度 7168；注意力机制 MFA（低秩查询维度 2048、64 个查询头、头维度 256）；专家总数 48、每 token 激活 3 个专家 + 1 个共享专家；最大上下文 65536；分词器沿用 DeepSeek V3。这份模型卡在国产开源模型里属于披露最完整的——参数量、层数、专家数、头维度全部公开，便于做容量估算与二次开发。[1]

吞吐：单卡 4039 tokens/s，1/3 的 GPU在 4096 token 上下文、50ms/tok 的延迟约束下，单卡吞吐达 4039 tokens/s，较同规模 DeepSeek-V3 提升约 70%，且仅使用 1/3 GPU；在 8×H100、FP8、4K 上下文条件下达到 4000 Token/GPU/s，优于 DeepSeek-V3 官方公布的 2324 Token/GPU/s。这组数字的价值在于「同延迟约束下的对比」——只报峰值吞吐的产品往往牺牲了延迟，Step 3 是两者同时给出。[2]

超长序列：48GB 单卡 800K tokens单卡 48GB 显存即可支持 800K token 长序列推理（int8 量化）。机制来自 MFA——将注意力计算分解为多矩阵低秩投影，KV-Cache 占用仅为传统方案的 22%。对比：传统 MHA 在 800K 上下文下 KV Cache 需数百 GB，MFA 压到 48GB 以内。这一项直接决定「超长文档处理」能不能在单机上做。[2]

AFD 解耦架构Attention-FFN Disaggregation 把 Attention 与 FFN 解耦到独立 GPU 实例，通过多级流水线并行与 StepMesh 零拷贝通信实现高吞吐低延迟的分布式推理。工程含义：Attention 是显存带宽密集、FFN 是算力密集，两者混部会互相拖累；解耦后可分别按需扩缩容——长上下文场景多配 Attention 节点，高吞吐场景多配 FFN 节点。这是 2026 年推理架构的主流方向之一。[2]

开源生态：通信库与多模态全家桶开源通信库 StepMesh（基于 GPUDirect RDMA）支持多对多异构芯片直连；同期推出多模态理解生成一体化模型 Step-3o Vision、第二代端到端语音大模型 Step-Audio 2（Step-Audio 2 mini 实现理解、推理、生成统一建模），2026-01 的 Step-Audio-R1.1 登顶 Artificial Analysis 语音榜单；语言模型与视频模型均采用 MIT 许可可商用。MIT 比 Apache 2.0 更宽松（无专利授权条款但限制更少），商用无障碍。[3]

双旗舰分工：Step 3 与 3.7 FlashStep 3（321B/38B、65K）负责复杂多模态推理；Step 3.7 Flash（196B MoE、激活约 11B）面向生产级 Agent，最高生成速度约 400 tokens/秒，2026-05-29 发布并开源；中间还有 Step 3.5 Flash（约 11B 激活、约 350 tokens/秒）与新增 low think mode 的 3.5 Flash 2603（降低 token 消耗）。选型逻辑：Agent 场景一次任务由几十次模型调用串联，单次延迟会成倍放大，因此「足够聪明且足够快」比「单次回答更惊艳」更重要——高频 Agent 用 Flash，深度推理用 Step 3。[3]

小尺寸多模态：Step3-VL-10B2026-01-20 开源的 Step3-VL-10B 为 10B 参数多模态模型，在视觉感知、逻辑推理、数学竞赛、通用对话等基准达到同规模 SOTA，性能可媲美千亿级开源模型与闭源旗舰；提供 SeRe（顺序推理）与 PaCoRe（并行协调推理）两种范式，支持动态算力扩展与多维证据聚合；全参数端到端多模态联合预训练，基于 1.2T 高质量数据集，经 1400 次迭代的大规模多模态强化学习；Base 与 Thinking 模型均已开源，支持手机、电脑及工业嵌入式设备。[3]

训练数据的处理规模训练前清洗 1000 亿份原始文档，用 10 余种专用 NLP 模型做毒性、缺陷、领域细分等 50+ 维度打分，配合 MinHash 去重与领域再平衡，最终沉淀 20T 高质量文本 + 4T 图文对；监督微调阶段单条样本需通过毒性、事实性、重复度等七道质量关卡；强化学习阶段可验证任务用自动评分奖励、开放任务引入人类偏好模型。数据工程的规模是「模型能力」的底层解释——20T 文本 + 4T 图文对属于第一梯队量级。[2]

对国产芯片的适配声明官方披露在国产芯片上推理效率最高可达 DeepSeek-R1 的 300%、在 Hopper 平台吞吐较 DeepSeek-R1 提升 70% 以上。注意这两个数字的比较对象是 R1（推理模型，本身吞吐低于 V3），且「最高可达」是特定配置下的峰值。信创项目若要采用，应要求厂商提供目标芯片型号上的实测报告，不能直接引用 300% 这个数。[3]

选型建议：效率优先时的选择适合：推理成本敏感的高并发场景（1/3 GPU 达到更高吞吐）、需要超长序列的单机部署（800K/48GB）、Agent 工作流（3.7 Flash 的 400 tokens/s）、需要完整模型卡做二次开发的开源项目。不适合：需要极强通用知识广度的场景（321B 总参仍小于 671B 级）、需要中文语料深度优化的政务公文场景（训练数据中英各半）。[1]

参数出处

同系列不同型号性能差异较大，采购前请向厂商索取对应型号的数据手册确认；需要完整规格书可在上方联系在线客服获取。

供应方

阶

阶跃星辰

阶跃星辰于2023年4月成立，以“智能阶跃，十倍每个人的可能”为使命。阶跃星辰坚定自研超级模型，积极布局算力、数据等关键资源，发挥算法和人才优势，已完成 Step-1 千亿参数语言大模型和 Step-1V 千亿多模态大模…

#软件

1 款在售产品 1 个主营领域总部 北京 · 北京

公司主页 → 访问官网

价格与计费方式商务报价 · 参考区间

Step 系列大模型采用「按 Token 计费」的计费方式，具体价格随规格、部署方式与采购规模浮动。

价格参考：API 调用类按 token 或调用次数计费，试点阶段月支出通常几百至数千元；私有化部署以 GPU 服务器 + 授权计价，常见 20 万元起步。

谈价要点：建议向厂商索取分项报价单，并同时比价 2–3 家同类产品。

行业适配：该类产品在「互联网」、「内容创作」场景落地较多，行业属性会影响实施工作量，报价时应一并说明。

工作原理与部署形态大模型通用机制 · 采购前先弄懂

Step 系列大模型的工作原理

基于 Transformer 架构，先用海量语料做预训练获得语言与知识能力，再用指令微调与人类反馈对齐输出风格；推理阶段按 token 逐字生成，配合量化、批处理与 KV Cache 优化降低单次响应成本。

Step 系列大模型由阶跃星辰提供，计费方式为「按 Token 计费」，在「互联网」、「内容创作」等行业落地较多。理解机制之后再看参数表，才知道哪些指标真正影响你的业务，而不是被标称数字带着走。

部署在哪里、怎么部署

公有云 API 调用门槛最低，按 token 计费；私有化部署需要 GPU 推理集群（7B 与 70B 是两条完全不同的预算线），并配置模型服务网关做限流、鉴权与内容审核。

资质与合规要求

面向公众提供生成式 AI 服务须按《生成式人工智能服务管理暂行办法》完成备案或登记；涉及深度合成需做算法备案与内容标识；企业内部使用需确认训练数据版权与数据不出域。

常见问题采购前最常问的 9 个问题

采购Step 系列大模型大概要准备多少预算？

具体价格随规格、部署方式与采购规模浮动。参考区间：API 调用类按 token 或调用次数计费，试点阶段月支出通常几百至数千元；私有化部署以 GPU 服务器 + 授权计价，常见 20 万元起步。最终报价受规模、部署方式与服务范围影响，建议同时向 2–3 家同类厂商索取分项报价单。

Step 系列大模型是怎么工作的？

基于 Transformer 架构，先用海量语料做预训练获得语言与知识能力，再用指令微调与人类反馈对齐输出风格；推理阶段按 token 逐字生成，配合量化、批处理与 KV Cache 优化降低单次响应成本。放在「人工智能 / 大模型」这一层看，Step 系列大模型解决的问题是把通用能力落到具体业务场景；判断它是否够用，重点看机制是否匹配你的业务链路，而不是看功能清单长短。

Step 系列大模型部署在哪里？怎么部署？

公有云 API 调用门槛最低，按 token 计费；私有化部署需要 GPU 推理集群（7B 与 70B 是两条完全不同的预算线），并配置模型服务网关做限流、鉴权与内容审核。本产品当前以「按 Token 计费」方式交付，落地前建议先确认机房/云环境、网络接入与账号权限三项前置条件，再和厂商约定实施窗口与验收标准。

Step 系列大模型需要哪些资质与合规认证？

面向公众提供生成式 AI 服务须按《生成式人工智能服务管理暂行办法》完成备案或登记；涉及深度合成需做算法备案与内容标识；企业内部使用需确认训练数据版权与数据不出域。采购时把要求的证书名称、有效期与适用范围写进招标或合同附件，只写「具备相关资质」等于没有约束力。

Step 系列大模型适合多大规模的企业？

从几个人的团队到上千人企业都能用，关键是选对规格：先用低配验证业务，再按监控数据升配，避免一步到位买贵。

Step 系列大模型值得买吗？和替代方案的区别在哪？

相比自建机房，省掉硬件采购、机房托管和专职运维，弹性扩容只需分钟级；代价是长期高负载场景下总成本可能高于自建，需要按 3 年 TCO 对比。

Step 系列大模型支持哪些规格与部署方式？

厂商公开的规格参数中，Step 3 的完整架构参数为MoE 总参数 3210 亿、激活 380 亿（…、吞吐：单卡 4039 tokens/s，1/3 的 GPU为在 4096 token 上下文、50ms/to…、超长序列：48GB 单卡 800K tokens为单卡 48GB 显存即可支持 800K toke…。完整规格与部署形态（公有云 / 私有化 / 混合）以厂商最新文档为准，采购前需确认你的环境是否在支持列表内。

走采购流程要提供什么？

通常需要：需求说明（场景、规模、必须满足的功能）、预算区间、期望上线时间、合规要求（如等保、信创）、以及采购主体资质。材料越完整，厂商给出的方案与报价越接近真实成本。

Step 系列大模型的数据安全与合规如何保障？

主流方案会提供数据加密、权限分级与审计日志，是否满足等保或行业监管要求，要索取合规证明与第三方测评报告，并在合同中写明数据归属与退出机制。