模型性能 - Step-3多模态推理模型在MMMU等多个榜单上取得开源SOTA成绩，成为开源多模态推理模型的新标杆 [2] - 模型在Hopper GPU上每秒可解码4039个Token（4K上下文、FP8、无MTP），速度达到DeepSeek-V3的174% [3] - 采用模型-Infra一体化设计，性价比极高，在H20上的解码成本仅为DeepSeek-V3的30% [5][7] 模型架构 - Step-3为MoE模型，包含48个专家，总参数量321B（316B语言模型+5B视觉编码器），激活参数量38B（3个专家） [9] - 采用自研MFA注意力机制，通过低秩分解和共享Key/Value表示压缩KV缓存，使其小于DeepSeek-V3，更适配长上下文场景 [20][21][22] - 模型层数1层，隐藏维度7168，注意力头64个，头维度256，MoE层配置覆盖除首尾外的所有层 [10] 技术优势 - 提出AFD机制，将注意力和FFN计算拆分到不同GPU群组，通过三阶段流水线提升资源利用率 [25][26][27] - 开发StepMesh通信库，支持GPUDirect RDMA，SM占用为0，子毫秒级完成双向流式传输 [30][32] - 在昇腾910B上解码成本低于华为盘古大模型，32K长度下H20计算卡成本仅为DeepSeek-V3的30% [23][16] 行业地位 - Hugging Face模型榜单前十名中8个为中国模型，包括智谱GLM-4.5、腾讯混元世界模型、Qwen系列等 [33][34][35] - 中国厂商如字节Seed、昆仑万维、上海AI Lab等均将王牌模型直接开源，推动国产模型成为开源领域领军者 [37][38] - Step-3位列Hugging Face榜单第一页，技术报告和代码已在Github、Hugging Face、魔搭平台全面开源 [39] 成本效率 - 8K上下文长度下每百万Token成本0.055美元（约人民币0.4元），采用H20+H800异构组合 [12] - 相比DeepSeek-V3激活参数量更高但成本仅80%，对比Qwen MoE成本低12% [13][14] - 算力-带宽比调至略低于主流GPU屋脊线，同一套权重在高带宽卡和算力卡上均保持高利用率 [24]