阶跃星辰开源320亿参数深度研究模型Step-DeepResearch，能在开放环境中自主探索信息并生成专业报告。其研究能力接近OpenAI o3-mini等顶级商业模型，但部署成本仅为传统模型的十分之一，单次调用成本低于0.5元人民币。
StepFun AI团队推出音频大模型Step-Audio-R1，通过优化计算资源利用，解决了音频AI模型在长推理链中准确性下降的问题。研究团队指出，问题源于训练时过度依赖文本数据，导致模型推理类似阅读文字而非实际聆听声音。
国内AI公司阶跃星辰发布Step-Audio-EditX模型，实现用自然语言指令编辑语音。用户只需输入文字要求，即可精准调整音色、情绪、节奏等，让语音编辑如修改文档般直观高效。30亿参数确保性能强大。
StepFun AI发布开源项目Step-Audio-EditX，基于30亿参数音频语言模型，将语音编辑转化为类似文本标记的可控操作，突破传统波形处理模式。该技术有望实现"像编辑文本一样编辑语音"的直观交互，相关论文已发布于arXiv平台（编号2511.03601）。
一个统一的图像编辑模型，支持多种用户指令。
全新多模态推理模型，支持图文输入、文字输出，具备高精度图像感知与复杂推理能力。
一款基于30B参数的图生视频模型，支持运动幅度可控和多种运镜效果
Step-Audio是一个开源智能语音交互框架，支持多语言对话、情感语调和语音克隆等功能。
Openai
$7.7
输入tokens/百万
$30.8
输出tokens/百万
200
上下文长度
Google
$8.75
$70
1k
Stepfun
-
$38
$120
16
$1
$2
32
$21
$84
128
stepfun-ai
Step-Audio 2 是一款端到端的多模态大语言模型，专为满足行业级音频理解和语音对话需求而设计。具备先进的语音和音频理解能力、智能语音对话功能、工具调用和多模态检索增强生成能力，在多个音频理解和对话基准测试中取得了领先的性能。
jingyiZ00
R1-VL-7B是一个基于Qwen2-VL-7B-Instruct的推理模型，采用逐步分组相对策略优化（StepGRPO）方法进行训练，专注于图文转文本任务。
R1-VL-2B 是通过逐步组相对策略优化（StepGRPO）训练得到的视觉语言推理模型，基于Qwen2-VL-2B-Instruct进行优化。
stephenwalker
这是一个基于Google Gemma 3 27B IT模型转换的MLX版本，支持图像文本到文本的任务。
Step-Video-T2V是一个拥有300亿参数、能生成最长204帧视频的尖端文本生成视频预训练模型。
stepenZEN
DeepSeek-R1-Distill-Llama-8B 是一个基于 Llama 架构的蒸馏版大语言模型，参数规模为 8B，主要用于英文文本生成和理解任务。
stephenlzc
这是一个基于Dolphin-2.9-Llama3-8B进行中文微调的语言模型，使用多个中文数据集进行训练，支持中文和英文的文本生成和对话任务。
StephanAkkerman
一个基于efficientnet_b0微调的轻量级图像分类模型，专门用于识别金融图表
针对金融推文情感分类的微调模型，基于预训练1000万条金融推文的金融推特BERT
FinTwitBERT是一个专门针对金融推文进行预训练的语言模型，旨在捕捉金融推特圈中独特的术语和沟通风格。
StephenSKelley
这是一个基于Google的ViT模型进行微调的图像分类模型，在fl_image_category_ds数据集上训练，准确率达到66.22%。
基于microsoft/resnet-18微调的图像分类模型，在fl_image_category_ds数据集上训练
gary109
基于wav2vec2-large-xlsr-53的自动语音识别模型，专为StepMania游戏音频优化，在GARY109/AI_LIGHT_DANCE数据集上微调
StephennFernandes
基于facebook/wav2vec2-xls-r-300m在马拉地语数据集上微调的自动语音识别模型
基于 facebook/wav2vec2-xls-r-300m 在私有数据集上微调的自动语音识别模型，具备鲁棒语音事件处理能力。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
