作家｜朱可轩
剪辑｜陈彩娴
春节快要，各家厂商似乎都在争取放假前的临了一博，此时步入 2025 年也才半月多余，大模子玩家们果决卷上了新高度。
先是 OpenAI 打响了开年第一“枪”，ChatGPT 上线了新功能“Tasks”，主打擢升了任务施行智商，之后国内一众厂商也先后发布了自家后果——
月之暗面发布了全新的多模态图片意会模子 moonshot-v1-vision-preview；MiniMax 开源了基础谈话模子 MiniMax-Text-01 和视觉多模态模子 MiniMax-VL-01；生数科技上新了视频大模子 Vidu 2.0；
接着，智谱 AI 推出了端到端多模态大模子 GLM-Realtime；面壁智能带来了端侧多模态模子 MiniCPM-o 2.6；DeepSeek 开源了 DeepSeek-R1 推理模子......
刚开年，模子更新便多到让东说念主头昏脑闷，当中也不难发现，多模态、推理和端侧依旧是本年各家寻求冲破的要点见地。
不得不提的是，在这一各厂商密集上新的“黄金节点”，AI 科技褒贬暖热到，阶跃星辰一周内竟邻接批量更新了 6 款模子，全所在涵盖谈话、语音、推理、图片意会、视频生成等多类别。
阶跃的更新速率在国内大模子厂商中不错说辱骂常有数，自 1 月 16 日运行，撇开周末双休，阶跃这波险些一天一更，主打保质超量完成任务。
最为值得一提的是，多模态领域其实一直都是阶跃的昂扬区，其旧年就依然发布了 8 款关连模子，且在多个业内巨擘榜单中拿下国内第一。
在这次模子上新中，阶跃也连接带来了多模态基座模子的新后果——多模态 Step-1o 系列推出多模态意会模子 Step-1o vision、语音模子 Steo-1o Audio 升级，视频生成模子 Step-Video 升级至 V2 版。
值得暖热的是，阶跃在多模态推理也已运行崭露头角，其崇拜发布了Step 系列的首款推理模子 Step Reasoner mini （简称“Step R-mini”），同期，正在股东视觉推理模子的研发，尝试将推明智商融入更多交互形态的大模子中。
除多模态外，阶跃的谈话模子智商也不行小觑，笔墨创作一直是阶跃旗下模子的一大上风所在，这次阶跃也同期发布了小模子 Step R-mini 和 Step-2 文豪版，连接强化 Step-2 模子的创作智商。
2025 年的模子之战果决打响，而阶跃在开年便已火力全开，在多模态方面更是呈现出“卷王”之姿，飞速与其他厂商拉开了差距。
多模态「卷」王之王
多模态是阶跃一直以来在继续发力的要点见地，亦然阶跃的上风所在，旧年开辟以来，阶跃便已在多模态领域推出了 8 款大模子：
包括 Step-1V、Step-1.5V 两款多模态大模子；Step-1X 图像生成大模子；Step-1.5v-turbo 视频意会模子和 Step-Video 视频生成模子；三款语音大模子——Step-tts-mini 语音复刻和生成大模子、Step-asr 语音识别大模子和 Step-1o Audio 语音大模子。
近日，阶跃更新了多模态 Step-1o 系列后果，值得一提的是，Step-1o 也在国内巨擘的大型模子评估平台“司南”（OpenCompass）多模态模子评测及时榜单中拿下了第一：
说回新后果，伊始，阶跃在 Step-1o Audio 的基础上带来了升级，这款国内首个千亿参数端到端语音大模子距离首发刚畴前一个多月，阶跃便又飞速迭代了新版块，较之上一版达成了更低蔓延，声息也更为当然。
在通话历程中，Step-1o Audio 升级版不仅能感知意会心思，还能纠合语境，深度意会心思需求，提供最好恢复：
在向其吐槽生存中琐碎的事情如“开了一天车嗅觉很累”，她能在夸奖咱们“真颖慧”的同期给出诸如“喝涎水、吃点东西补充能量”的建议，再如围绕“最近接单许多，嗅觉腰很酸痛”这一问题，她也能一边惊叹买卖红火，一边建议咱们要注重体魄，谨记去病院望望，情面味满满。
此外，升级版也已援救多语种和多方言的对话，并能在中英疏通中达到“同传”。
不啻是语音，视觉见地也一并达成了焕新升级。
阶跃同期推出了 Step-1o Vision 多模态模子，看成 Step-1o 的视觉版块，与 Step-1V 和 Step-1.5V 两款更早版块的视觉意会模子比较，达成了模子架构升级，并在在视觉识别、感知、指示跟随、推理等任务上达成大幅擢升，领有了更强的视觉性能。
此前，在 LMSYS Org 发布的大模子竞技场 Chatbot Arena 榜单中，Step-1V 便已位列视觉领域国内大模子第一，总分同 Gemini-1.5-Flash-8B-Exp-0827 持平。
这次升级版的 Step-1o Vision 又一战成名，刚刚发布便在 1 月 20 日 LMSYS Org 最新榜单中，拿下了国内视觉领域大模子第一，越过通盘国内大模子厂商，保持住了在多模态领域的伊始地位。
LMSYS Org 网址：https://lmarena.ai/
据阶跃官方先容，Step-1o Vision 省略更准确地识别图像内容，不管是复杂场景照旧相似图片都能松懈识别，致使能精准识别图中的多种谈话。
此外，Step-1o Vision 不仅能看懂图片，还能凭证图片内容进行推理、援助答题、引发灵感：
同 Step-1.5v 比较，Step-1o Vision 所暖热到的细节也更多：
图源阶跃星辰
值得一提的是，在推理模子的研发上，阶跃也正在融入其所擅长的多模态，多模态推理在这次上新中崭露头角，其重磅推出了 Step 系列首款推理模子 Step R-mini，这同期也意味着阶跃成为当今基座模子最全的公司之一。
凭证阶跃方面数据骄气，Step R-mini 不仅在 AIME 和 Math 等数学基准测试上，收成越过了 o1-preview，并列 OpenAI o1-mini，在 LiveCodeBench 代码任务上，也比 o1-preview 效果更佳。
从具体效果上来看，Step R-mini 既擅长主动进行联想、尝试和反念念，又能通过慢念念考和反复考证的逻辑机制提供准确可靠的回复。
同期，其最显然的亮点在于，依然通过大界限强化学习锻练，并使用 On-Policy（同战略）强化学习算法，达成了“文理兼修”，既擅长通过超长推明智商，处置逻辑推理、代码和数学等复杂问题，也能兼顾文体创作等通用领域。
在践诺诳骗中，只会作念数理题的模子其实是很难达成推行落地的，而独一作念到“文理双修”，模子才调在具备较强推理逻辑智商和数明智商的同期，领有更通用任务的处置智商，如斯进一步擢升可用性。
谈话推理模子外，阶跃也在股东视觉推理模子的研发。
其试图将推明智商融入更多交互形态的大模子中，针对复杂视觉场景下的 Reasoning 问题，引入慢感知和空间推理的念念想，把 Test-Time Scaling 从文本空间动荡到视觉空间，达成在视觉空间下的 Spatial-Slow-Thinking。据 AI 科技褒贬了解，这一模子的郑再版块将在本年上线。
除了前所述三款模子，阶跃此番针对 Step-Video 视频生成模子也进行了升级，推出 Step-Video V2 版块。
Step-Video 是阶跃在旧年 11 月上新的模子，这次发布的V2版块在复杂通顺、好意思感、节略笔墨生成、中英双语输入和镜头谈话方面具备更强的生成智商。
AI 科技褒贬也对此进行了一波实测——
咱们发现，在输入“小男孩变身毒液”后，Step-Video V2 能自动一键润色出细节更丰富的内容，并补充暗色调、暧昧背景等环境形容，当然将这部分融入视频场景中：
同期，关于镜头谈话也进行了增添，自动帮咱们决定了以“特写镜头”展现，灵验擢升了视频的叙事智商。此外，画面中的小男孩形象传神，一整套变身历程也十分默契、当然。
此外，Step-Video V2 也援救中英双语输入，在进行复杂通顺展现这方面也能松懈支配。
值得一提的是，生成内容的好意思感亦然阶跃一直在聚焦冲破的见地，这小数从其前边推出的 Step-2 文豪版也相通能窥见，而 AI 生成视频的好意思学修养亦然许多现存模子还无法兼具的，对此，咱们也在跃问视频中进行测试：
以中华传统文化的展现为例，咱们向跃问输入了“身着传统衣饰、打着伞的女子”“灯笼背景”的请示词，其能自动润色出“穿戴一袭红色的旗袍，上头绣着精雅的斑纹，手持一把纸伞，伞面是白色的，上头绘有水墨画，与她的衣饰辱骂分明。”这些带有中国风特点元素的内容。
所生成的视频通盘这个词画面颜色很协作，当中融入了中国红看成主色调，背景的灯笼也并非稚子的单一颜色，并能朦拢看到背景中的水墨画，此外，关于请示词中提到的“带有精雅斑纹的红旗袍”“印有水墨画的伞”这些细节也省略隐蔽规复到。（前述齐全测试视频见：https://mp.weixin.qq.com/s/UWHM38XoXM13IK-Sf9wY6A）
「文体修养」伊始行业
多模态模子俨然成为阶跃的看家本事，但其自研的谈话模子实力也相通谢却冷落。
旧年 3 月，开辟之初的阶跃发布万亿参数谈话大模子 Step-2 一鸣惊东说念主。而 Step-2 看成国内首个由创业公司发布的万亿参数大模子，直不雅体现了 Scaling Law 定律的红利。
在阶跃看来，关于谈话模子而言，Scaling Law 是重中之重，而模子容量、锻练数据量是模子谈话、笔墨功底的基石，模子小、预锻练数据量小无法达成智能涌现，亦无法把合手笔墨。
Step-2 曾经屡次在 LiveBench 等海外巨擘榜单上位各国产大模子第一。
旧年11月，在 LiveBench 的多项测评模范中，Step-2 在 IF Average（指示跟随）的弘扬上以 86.57 的分数排在第一，卓绝包括 o1-preview-2024-09-12 在内的通盘国表里谈话大模子。
这一见地主要意想模子对谈话生成细节的摈弃力，而这点在笔墨创作上的弘扬尤为显耀。在生成高质地、有创意的笔墨内容的同期，Step-2 模子是省略凭证用户的指示对文本进行精准调度和优化的。
这次，在 Step-2 的基础上，阶跃又带来了性价比和商用性更高的 Step-2mini 谈话模子和精于创作的 Step-2 文豪版。
据阶跃官方先容，和万亿参数大模子 Step-2 比较较，Step-2mini 以 3% 傍边的参数目保有了其 80% 以上的模子性能。
同期，Step-2mini 还领有更快的生成速率和极高的性价比——在输入4000tokens的情况下，Step-2mini 的平均首字时延仅 0.17 秒，输入 1 元/百万 token；输出 2 元/百万 token。
从底层本事上来看，Step-2mini 经受了阶跃和清华团队在《Multi-matrix Factorization Attention》中建议，其自主研发的新式珍眼力机制架构——MFA（Multi-matrixFactorizationAttention，多矩阵领会珍眼力）过火变体 MFA-Key-Reuse。
论文默契：https://arxiv.org/abs/2412.19255
此前在 LLM 推理阶段，传统珍眼力机制存在着 KV 缓存跟着批处理大小和序列长度线性增长的情况，这不仅使得内存占用大，推理服从也并不高，常用的 MHA（Multi-HeadAttention，多头珍眼力）也一直在尝试处置这一问题，但其存在性能和资源破钞间的均衡勤苦。
MFA 则针对前述问题给出了解法，比较于 MHA 架构，MFA 精真金不怕火了近 94% 的 KV 缓存支拨，领有更快的推理速率，并大幅镌汰了推理老本。换言之，MFA 在不加多荒谬工程复杂度的前提下，处置了大谈话模子高效推理的显存瓶颈问题。
Step-2 文豪版则是阶跃专为创作场景研发的谈话模子，复古了 Step-2 强大的学问储备以及对笔墨强盛的细节把控智商，同期也有着更为强盛的内容创作智商。
此前，用大模子援助创作的内容就往往会被吐槽一眼 AI，创作出来的内容往往衰退锐度和新意，莫得真情实感和对社会事件的形容与念念考，这内容上是模子过度对皆社会共鸣所致。
而好的内容创作模子则是需要充分意会用户创作需求的，逻辑严实、谈话凝练、言之有物、节律紧凑，况兼领有久了念念想和和专有作风，才是这类模子要达成的见地，Step-2 文豪版的测试终规矩好印证了这点：
举例，让跃问以明朝为背景创作第一东说念主称悬疑演义，并融入《明书·太祖载记》的内容，带有天灾、地裂、克苏鲁等元素。其所创作出的内容照实像模像样，所探讨键词无一遗漏，致使关于天灾、地裂的描画衔尾也十分默契，在克苏鲁这一怪物形象的塑造上也很天真。科幻演义其也相通不在话下：
基模领域「六边形战士」
现如今，跟着基座大模子玩家洗牌，竞争已插足愈加尖锐化的下半场，一边是对 AGI 生机的相持，一边是濒临现实的调和，部分厂商仍在摸索基座大模子的将来，另外一部分则在本事和产物间反复横跳，亦或是径直蜕变了见地。
阶跃则一直属于前者，从基座模子来看，阶跃其实亦然国内为数未几已造成从意会到生成、从文本、多模态到推理全系列模子矩阵，并相持预锻练，连接冲击 AGI 的大模子创业公司之一。
自开辟初起，阶跃便一直相持以为——多模意会和生成的长入是通往 AGI 的必经之路，而模子的演化势必会资格单模->多模->全国模子三个阶段。
其本事发展亦然沿着“单模态—多模态—多模意会和生成的长入—全国模子—AGI（通用东说念主工智能）”这条旅途一步步走来的。
现时，阶跃的多模态诳骗依然愈发平日，并被业内大量开发者所招供，继续领跑行业：
举例，网红 AI 诳骗胃之书的开发者赵纯想就曾示意，通过 AB 测试发现，阶跃星辰的模子付费率最高，而 AI 方式疗愈诳骗林间疗愈室 CEO 李神龙也在接入阶跃的多模态意会大模子后，达成了用户付费率的擢升。
而从合座上来看，不管是旧年一月一更的 11 款基座大模子，照旧本年一开年便加大攻势推出的 6 款模子，在如斯动须相应下，阶跃的本事发展无疑已驶入快车说念，而其低调求实的作念派下也尽显追赶 AGI 的贪图。
如今的阶跃星辰，无疑依然成为了基座模子领域的“六边形战士”。雷峰网雷峰网