当前位置: 首页 > news >正文

阶跃星辰(Step):前微软小冰之父的 AI 豪赌

阶跃星辰(Step):前微软小冰之父的 AI 豪赌

一句话概括:阶跃星辰(StepFun)是由微软小冰前负责人姜大鑫创立的 AI 公司,其 Step-2 大模型达到万亿参数级别,是国内少数真正挑战顶级闭源模型的技术团队,Step-1V/Step-2V 多模态系列在视觉理解上表现突出。


🎯 阶跃星辰是谁?

在国产大模型圈里,阶跃星辰(Step-Fun)是一个神秘的存在:

  • 没有大厂背书
  • 没有流量巨大的 C 端产品
  • 但融资规模令人震惊,估值迅速达到百亿人民币
  • 在技术基准测试上,经常出现在头部名单

👨‍💻 创始人:姜大鑫

姜大鑫的经历:

时期经历
微软负责微软小冰项目(AI聊天机器人,数亿用户)
微软亚研院深度学习和 NLP 方向研究
2023年离职创立阶跃星辰

微软小冰在2014年发布,比 ChatGPT 早了将近10年,是全球最早被大规模使用的 AI 对话产品之一。这个背景让姜大鑫对 AI 产品化有独特理解。


📅 发展历程

时间事件
2023年4月阶跃星辰成立
2023年12月完成 A 轮融资,4.5 亿人民币
2024年4月Step-1(千亿参数)发布
2024年5月Step-1V(多模态版)发布
2024年7月Step-2(万亿参数级)发布
2024年9月完成新一轮融资,估值超100亿人民币
2024年末Step-1.5V升级,图像理解大幅提升
2025年初进军视频生成领域

🧠 技术路线:不走寻常路

Step-2 万亿参数

Step-2 是国内少数声称达到万亿参数级别的模型:

模型参数量架构
Step-1~千亿密集架构
Step-2~万亿推测 MoE 架构

技术细节未完全公开,但发布时的基准测试数据显示其能力接近 GPT-4 级别。

多模态是核心差异化

阶跃星辰从一开始就把多模态当作核心方向,而不是先做文本、再加视觉能力:

Step-1V(视觉理解)

  • OCR 准确率:在中文文档理解测试中排名前列
  • 图表理解:能准确解读复杂的数据图表
  • 空间推理:看图推断三维空间关系

在 OpenCompass 等第三方评测中,Step-1V 的图像理解能力常年排在国内前三。

对数学/科学的重视

Step 系列在数学推理上投入了特别资源:

  • 专门的数学训练数据集
  • MATH、GSM8K 等基准上成绩优异
  • 支持复杂的多步骤科学推理

📊 关键基准测试

Step-1V vs 国际竞品(多模态视觉理解)

测试Step-1VGPT-4VGemini Pro Vision
MMBench81.379.880.9
SeedBench73.876.070.7
DocVQA82.777.074.3
OCRBench78.064.063.0

文档理解和 OCR方向,Step-1V 超越了 GPT-4V。


💰 产品与商业化

阶跃星辰的产品相对简单,主要是:

  1. 跃问(App):面向 C 端的 AI 助手,支持文字、图片、文件
  2. API 服务:面向 B 端开发者
  3. 企业服务:私有化部署

与 MiniMax、字节相比,阶跃星辰的 C 端用户规模相对较小,主要依赖技术品牌吸引 B 端客户。


🌍 在国际上的位置

阶跃星辰在国际 AI 社区的存在感有限,但:

  • 在 OpenCompass 排行榜上经常出现在第一页
  • 多个国际评测机构认可其技术能力
  • 姜大鑫在国际会议上有一定知名度(微软小冰的背景)

📌 总结:技术派的代表

维度评价
技术深度⭐⭐⭐⭐⭐ 自研程度高,真正做研究
多模态能力⭐⭐⭐⭐⭐ 国内顶级
产品知名度⭐⭐⭐ 品牌传播较弱
融资能力⭐⭐⭐⭐⭐ 快速成为独角兽
国际化⭐⭐⭐ 主要聚焦国内

在国内大模型公司中,阶跃星辰代表了一种纯粹的技术驱动路线:不搞话题营销,不急于做 C 端产品,先把模型能力做到极致。这种路线能否胜出,取决于 AI 时代的竞争最终是拼技术还是拼生态。


相关链接:阶跃星辰官网 | 跃问 App

http://www.jsqmd.com/news/584483/

相关文章:

  • 美团LongCat-AudioDiT:革新波形潜空间的TTS模型
  • Qwen3.5-9B快速上手:3步启动WebUI(supervisorctl restart)超详细步骤
  • 智能音乐库重命名大师:自动识别音频元数据,支持模板自定义与序号补零,批量规范化音乐文件名
  • java 1.8 安装配置教程,详细图文(附安装包)
  • 【技术干货】Gemma 4 上手深度指南:本地多模态大模型的新基线
  • 51单片机第二章
  • Klipper固件全攻略:从配置到优化解决3D打印核心难题
  • OpenClaw+千问3.5-9B自动化:微信公众号文章定时发布
  • 线程池项目(1)
  • OpenClaw多通道告警:SecGPT-14B检测结果同步邮件与钉钉
  • 创建基础数据表后数据无法保存怎么排查_权限设置与回滚处理
  • 一个工科生的电机控制实验笔记
  • C++ 类和对象(下)核心总结
  • 如何用共享线程处理跨页面的数据同步冲突与锁定机制
  • OpenClaw备份与恢复:千问3.5-9B配置迁移完整流程
  • 月之暗面 Kimi 进阶:从长文本到 AI 搜索——最懂中国用户的AI助手
  • PregelProtocol——定义了“LangChain执行体“最小功能集
  • 【Web3】智能合约质量保障工程:从单元测试到 Gas 效能优化
  • Manus:中国AI Agent的破圈之作
  • LN2266 超小型 低电压启动 PWM 控制 升压 DC/DC 电压调整器
  • 【Java Stream 流:高效、优雅的集合操作 ✨】
  • 内网渗透零基础入门教程!小白也能轻松搞懂内网渗透基础知识点
  • MongoDB GridFS的fs.files集合越来越大怎么优化
  • Product Hunt 每日热榜 | 2026-04-03
  • 2026年比较好的砂浆生产线稳定供货厂家推荐 - 品牌宣传支持者
  • ESP32-S3驱动JW01二氧化碳传感器,供电踩坑实录(附完整Arduino代码)
  • OpenClaw资源监控方案:百川2-13B-4bits模型运行时的性能优化
  • 从 AI 助手到 ADT 自动化桥梁:全面解析 Vibing Steampunk 的定位、能力边界与典型使用场合
  • 分钱的艺术:为什么钱分下去了,团队反而有了怨气?
  • 【分布式技术】RustFS 非 Docker 部署完整指南:从单机到生产集群