Step-1V是由階躍星辰於2024年03月23日發布的千億參數多模態理解大模型，專注於圖像、文字、數據圖表等信息的精準描述與理解，並具備視頻理解能力。該模型在全球權威評測LMSYS大模型競技場中與Gemini-1.5-Flash-8B-Exp-0827總分持平，位列中國大模型視覺領域第一。其升級版本Step-1.5V於2024年07月11日發布，新增視頻氛圍與情緒理解功能，後續疊代的Step-1o Vision進一步提升了視覺識別與推理能力。該系列模型已套用於視頻監控、智慧型安防、內容審核、教育、編程、藝術創作等多個領域。
基本介紹
- 發布時間：2024年
- 參數規模：千億級
- 評測排名：中國第一
- 升級版本：Step-1.5V
- 所屬系列：Step系列
- 套用領域：視頻監控、智慧型安防、內容審核、教育、編程、藝術創作等多個領域
技術特點,評測表現,版本疊代,套用領域,
技術特點
Step-1V基於千億參數規模設計，能夠實現圖像內容創作、邏輯推理、數據分析等多項任務。該模型支持端到端的文本、視覺、語音三模態處理，可識別視頻中的物體、人物和環境信息，並具備解答數學題、編寫代碼等高級推理功能。
評測表現
截至2024年11月27日，Step-1V在LMSYS大模型競技場視覺領域總分與Gemini-1.5-Flash-8B-Exp-0827持平。2024年03月23日發布的Step-1V在國內“司南”評測平台的多模態模型榜單中位列第一，其識別準確率涵蓋複雜圖像關鍵字、外語翻譯及幽默表達方式。
版本疊代
2024年07月11日，階躍星辰發布Step-1.5V，在圖像感知和理解能力上實現了質的飛躍，並具備了出色的視頻理解能力，能夠準確識別視頻中的物體、人物和環境，理解視頻的整體氛圍與人物情緒。2025年01月21日推出的Step-1o Vision進一步最佳化視覺感知與指令跟隨能力，並在端到端三模態生成與理解任務中取得突破。
套用領域
階躍星辰多模態大模型已套用於智慧型安防系統、內容審核流程、教育解題輔助、編程代碼生成及藝術創作場景，截至2024年11月覆蓋超過10個行業領域。
