Step-2
旗舰版万亿参数规模的MoE架构大模型，国内参数规模最大的多模态模型，具备强大的推理能力和世界知识。
- 参数规模：万亿级（MoE）
- 上下文窗口：200K tokens
- 支持模态：文本、图像、视频
- 适用场景：复杂推理、代码生成、多模态分析
关于阶跃星辰
阶跃星辰（StepFun）成立于2023年，总部位于中国上海，由原微软全球副总裁、微软亚洲互联网工程院首席科学家姜大昕博士创立。公司致力于打造世界一流的通用人工智能，Step-2是国内首个万亿参数规模的多模态大模型。
公司信息
- 成立时间：2023年
- 总部地点：中国上海
- 创始人：姜大昕博士
- 员工规模：200+
核心优势
- 万亿参数MoE架构
- 原生多模态理解
- 超长上下文支持
- 国产合规数据中心
融资情况
- 融资轮次：B轮
- 累计融资：数亿美元
- 投资方：红杉中国、真格基金等
- 估值：独角兽企业
Step系列模型
阶跃星辰提供多个版本的Step模型，满足不同场景的需求：
Step-1.5V
多模态专注于多模态理解的模型版本，在图像理解、视频分析方面表现优异。
- 参数规模：千亿级
- 上下文窗口：128K tokens
- 支持模态：文本、图像、视频
- 适用场景：视觉问答、视频分析、图文生成
Step-1X
图像生成专注于图像生成的模型，支持文生图、图生图等多种图像创作任务。
- 参数规模：百亿级
- 输出分辨率：最高2K
- 支持风格：写实、动漫、艺术等
- 适用场景：营销素材、创意设计、内容创作
技术特色
MoE架构
采用Mixture of Experts混合专家架构，在保持万亿参数规模的同时实现高效推理，激活参数仅数百亿，大幅降低计算成本。
原生多模态
从底层架构支持文本、图像、视频的多模态理解，非简单的多模型拼接，实现真正的跨模态推理。
超长上下文
Step-2支持200K tokens超长上下文，可处理数百页文档、长视频内容，适用于深度文档分析和长视频理解。
强推理能力
在数学推理、代码生成、逻辑推理等任务上表现优异，多项基准测试达到国际领先水平。
API价格
阶跃星辰提供灵活的定价方案，满足不同规模的需求：
与竞品对比
阶跃星辰Step-2与国内外主流大模型的对比：
| 特性 | 阶跃星辰 Step-2 | 通义千问 Qwen-Max | 文心一言 ERNIE-4 | GPT-4o |
|---|---|---|---|---|
| 参数规模 | 万亿级（MoE） | 千亿级 | 千亿级 | 未公开 |
| 上下文窗口 | 200K | 128K | 128K | 128K |
| 多模态 | 原生支持 | 支持 | 支持 | 支持 |
| 输入价格 | ¥0.01/1K | ¥0.04/1K | ¥0.12/1K | $2.5/1M |
| 数据中心 | 上海 | 杭州/上海 | 北京 | 美国 |
| 企业部署 | 支持 | 支持 | 支持 | Azure |
适用场景
企业知识库
利用200K超长上下文，构建企业级知识库问答系统，支持整本手册、多份合同的同时分析。
视频内容分析
原生视频理解能力，支持长视频内容摘要、关键帧提取、视频问答等应用场景。
代码辅助开发
强大的代码生成和理解能力，支持多语言编程、代码审查、技术文档生成。
创意内容生成
结合Step-1X图像生成能力，实现图文混排、营销素材生成、创意设计辅助。
快速开始
使用Python调用阶跃星辰API的简单示例：
Python
import requests
# 设置API密钥和端点
API_KEY = "your-stepfun-api-key"
API_URL = "https://api.stepfun.com/v1/chat/completions"
# 准备请求数据
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}
data = {
"model": "step-2",
"messages": [
{"role": "system", "content": "你是一个有用的AI助手。"},
{"role": "user", "content": "请介绍一下阶跃星辰的Step-2模型。"}
],
"temperature": 0.7,
"max_tokens": 2000
}
# 发送请求
response = requests.post(API_URL, headers=headers, json=data)
result = response.json()
# 输出结果
print(result['choices'][0]['message']['content'])