基本介紹
- 外文名：Step-1
- 發布單位：階躍星辰
產品簡介,發展歷程,核心技術,研發團隊與發布單位,重要事件,
產品簡介
Step-1V具備複雜的圖像與視頻理解能力，能識別圖像內容，並支持高級推理任務如解答數學題、編寫代碼等。該模型在多項評測中取得成績，如在“司南”多模態模型評測中排名第一，在SuperCLUE-V基準的細粒度視覺認知任務中得分較高，在LMSYS Chatbot Arena榜單中位列視覺領域中國大模型首位。該模型已套用於實際場景，如套用於商業門店的智慧型巡檢。
Step-1X是文生圖模型，支持通過文本描述生成圖像，並具備墊圖、風格遷移等創作功能。該模型採用全鏈路自研的DiT架構，支持600M、2B、8B三種參數量，並針對中國元素和文化進行了最佳化。Step-1X-Medium模型在生成速度、理解能力和細節質感方面有所提升。
Step系列模型基於統一自回歸框架構建，採用140億參數因果Transformer進行序列建模，支持文本和視覺分支的雙頭輸出結構。在WISE基準測試中獲得0.54分，GenAI-Bench基礎提示評分達0.88分，圖像編輯能力在GEdit-Bench英文評分中取得6.58分。
發展歷程
2023年3月，階躍星辰發布首款多模態大模型Step-1V。同年8月，公司發布首款大模型產品Step-1千億參數語言大模型。11月，完成了Step-1V千億參數多模態大模型的訓練。
2024年3月，在2024全球開發者先鋒大會上，階躍星辰發布Step系列通用大模型，包括Step-1千億參數語言大模型、Step-1V千億參數多模態大模型，以及Step-2萬億參數MoE語言大模型預覽版。Step-1V曾進入“司南”(OpenCompass)多模態模型評測榜單。
2024年7月，在2024年世界人工智慧大會(WAIC)上，階躍星辰發布Step-1X圖像生成大模型，以及Step-1V的疊代版本Step-1.5V多模態理解大模型。Step-1X支持600M、2B、8B三種參數量，採用自研DiT架構；Step-1.5V在Step-2的加持下，其圖像感知、視頻理解及高級推理能力得到提升。
2024年10月，Step-1V-8k在SuperCLUE中文多模態理解測評基準10月榜單中位列全球前三、國內第一。2024年11月，Step-1V在LMSYS Chatbot Arena視覺領域榜單中位列中國大模型第一。
2024年12月，階躍星辰發布Step-1X-Medium模型，該模型提升了生成速度、理解能力與細節質感，新增墊圖、風格遷移等功能，並對東方人物形象進行了最佳化。
2025年，階躍星辰持續疊代模型。4月30日，發布Step-1o-Vision-32k模型。8月，團隊分享了圖像生成自回歸模型NextStep-1的探索成果。
核心技術
階躍星辰Step系列模型涉及圖像理解與生成等多個技術方向。
Step-1X圖像生成模型採用自研的DiT模型架構，提供了600M、2B、8B三種參數量版本，具備語義對齊和指令跟隨能力，其訓練數據包含了中國元素和文化相關內容。
NextStep-1模型採用在連續視覺空間中以自回歸方式生成圖像的方法。其架構基於一個Transformer骨幹網路，參數量為14B，並配合一個157M參數的流匹配頭，用於生成連續的圖像Patch，實現了端到端訓練。該模型在GenEval、GenAI-Bench等多個行業基準測試上進行了評估。
研發團隊與發布單位
階躍星辰於2023年4月成立，創始人為姜大昕。公司從創立之初即聚焦多模態大模型研發，並發布了Step系列基座模型。團隊以Step-1V多模態大模型為核心，為企業提供智慧型巡檢解決方案。
重要事件
2024年3月23日，在2024全球開發者先鋒大會上，階躍星辰首次公開發布Step系列通用大模型，包括Step-1V千億參數多模態大模型。
2024年7月，在2024年世界人工智慧大會(WAIC)上，階躍星辰連發三款Step系列新品，包括Step-2萬億參數語言大模型正式版、Step-1.5V多模態理解大模型以及Step-1X圖像生成大模型。
2024年10月12日，SuperCLUE發布10月中文多模態理解測評基準（SuperCLUE-V）報告，Step-1V-8k在細粒度視覺認知任務中位列該基準評測前列。
2025年8月18日，階躍星辰發布NextStep-1模型，並選擇將其開源。
