阶跃星辰 Step：把模型装进终端
Step 的路线和纯云厂商不太一样：它把多模态能力与汽车、手机、机器人这些「有物理形态的终端」绑在一起，做的是端云协同的智能。
| 厂商 | 上海阶跃星辰智能科技有限公司，2023 年 4 月成立，创始人姜大昕 |
| 当前主力 | step-5-preview（1M 上下文）、step-3.7-flash（256K，低价） |
| 开源项目 | Step-3.7-Flash、Step-Audio-R1、Step1X-Edit（图像编辑）、Step-Code、SteptronOss 训练框架 |
| 落地场景 | 智能汽车座舱、手机助手、机器人，以及实时语音交互 |
| 标签 | 多模态实时语音端侧智能终端 |
一、从千亿到万亿
阶跃星辰的迭代节奏在国产厂商里属于「稳扎稳打型」：早期发布千亿参数的多模态模型，随后推出万亿参数级的 MoE 基座，并把语音、视觉、图像编辑等能力拆成可单独使用的小模型。近年来的重心转向实时交互——因为终端场景对延迟极度敏感，云端的「秒级响应」在车里和手机上是不合格的。
| 方向 | 代表 | 用途 |
|---|---|---|
| 旗舰文本 / 推理 | step-5-preview | 1M 上下文，输入 7 / 输出 20（元/百万 tokens） |
| 高性价比 | step-3.7-flash | 256K 上下文，输入 1.35 / 输出 8.1，适合大规模铺设 |
| 语音 | Step-Audio 系列、Step-Audio-R1 | 实时语音理解与生成，口语推理 |
| 图像编辑 | Step1X-Edit | 开源的高质量指令式图像编辑模型 |
| GUI 智能体 | STEP-GUI（gelab-zero） | 操作图形界面完成任务 |
二、为什么「终端」这件事重要
大模型的落地有两种形态：一种在云端，用户通过 App 或 API 访问；另一种嵌进设备，成为汽车、手机、眼镜、机器人的「大脑」。后者对模型的要求完全不同——要小、要快、要省电，还要能调用摄像头、麦克风、CAN 总线这些现实世界的接口。
阶跃星辰的产品结构基本围绕这个判断展开：云端提供强模型，端侧和实时能力做成可以塞进设备的组件，再和硬件厂商绑定落地。站在 2026 年回看，这条路线与「智能体要能操作真实世界」的趋势是吻合的。
三、适合与不适合
适合：做智能座舱、手机助手、陪伴机器人等终端产品的团队；需要实时语音交互（低延迟双工）的场景；要找一个既有多模态又有性价比的长上下文模型做批量任务。
要注意：Step 系列在通用文本的「知名度」不如 Qwen、DeepSeek，社区资料相对少；如果你的场景是纯文本高并发，step-3.7-flash 的价格很有竞争力，但建议与 qwen3.8-flash 一起实测对比。另外部分型号处于 preview 阶段，稳定性与长期可用性需要关注官方公告。
本页整理于 2026-09，依据 stepfun-ai 开源组织（Step-3.7-Flash、Step-Audio-R1、Step1X-Edit、SteptronOss 等）与阿里云百炼模型目录中的 Step 系列条目。