Step3 現已在 SiliconFlow 上線：領先的開源多模態推理模型

2025年8月11日

步驟3, Stepfun最新的尖端多模態推理模型現在可以在SiliconFlow中獲得。該模型建構於大規模MoE架構中，總參數321B，活躍參數38B，展現出色的視覺-語言推理性能。它提供了企業和開發人員所需的編碼效率最佳化，實現準確的視覺解釋和減少幻覺的基礎多模態推理。

使用SiliconFlow的步驟3 API，您可以期待：

具成本效益的定價: 步驟3 $0.57/M tokens (輸入) 和 $1.42/M tokens (輸出)。
上下文長度: 支持64K上下文長度。
原生支持工具使用/功能調用。

關鍵功能與基準性能

步驟3具有強大的視覺感知和先進的推理能力，能準確地跨領域理解、多模態數學推理以及現實世界基礎視覺理解任務。

這些功能通過行業標準基準的強大性能來展示，突出其在需要視覺理解和推理任務上的有效性：

VLM 基準性能: 步驟3在開源VLM模型中達到最高的MMMU分數 (74.2)，超越專有VLM如Gemini 2.5 Flash (73.2); Hallusion Bench得分64.2，超過包括Claude Opus 4 (59.9)、Claude Sonnet 4 (57.0)和o3 (60.1)在內的領先專有模型，展示了步驟3在複雜的視覺推理、事實性和跨領域理解上的卓越性能。
LLM 基準性能: 步驟3保持競爭力的結果，82.9 在 AIME25, 73.0 在 GPQA-Diamond 和 67.1 在 LiveCodeBench, 展現出色的數學推理、高級研究生水平推理和代碼生成能力。

除了其頂級性能，步驟3還以更低的成本提供服務——是您工作負載的經濟選擇。

技術亮點

步驟3通過全棧優化解決多模態對齊、編碼成本和推理效率的關鍵挑戰，涵蓋模型架構設計、訓練管道和部署：

預訓練模型架構: 步驟3採用新穎的多矩陣分解注意力 (MFA) 機制，降低KV緩存開銷和計算成本，同時維持模型能力和推理效率。
多模態能力:
- 步驟3使用5B視覺編碼器，具有雙層2D卷積降採樣，將視覺tokens減少至原始尺寸的1/16以提高效率；
- 訓練採用兩階段方法：首先增強編碼器感知，然後凍結視覺編碼器以優化骨幹和連接層。
AFD系統架構: 步驟3實施注意力-FFN解聚化 (AFD) ，將計算任務拆分為專用子系統，通過多階段管道調度有效提升總體通量效率。

SiliconFlow中的現實表現

將餐廳收據上傳至SiliconFlow的步驟3以計算餐點卡路里。它能準確識別食物項目，解析複雜描述，分類菜餚，匹配卡路里值並估算總卡路里（例如，900-1330 kcal）。

此過程形成一個完整的閉環——從原始數據到概念識別、計算和最終解釋——在每個階段都有明確一致的邏輯。

立即開始

探索: 在步驟3中嘗試SiliconFlow 體驗中心。
整合: 使用我們的OpenAI兼容API。在SiliconFlow API文檔中探索完整API規範。

import requests

url = "https://api.siliconflow.com/v1/chat/completions"

payload = {
    "model": "stepfun-ai/step3",
    "max_tokens": 65536,
    "min_p": 0.05,
    "temperature": 0.7,
    "top_p": 0.7,
    "top_k": 50,
    "messages": [
        {
            "role": "user",
            "content": "tell me a story"
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

response = requests.request("POST", url, json=payload, headers=headers)

print(response.text)