性能超越 20 倍大模型,阶跃星辰多模态"小核弹" Step3-VL-10B 开源!

2026-01-24 17:40
38
说实话，当看到一个只有10B参数的模型能跟那些动辄上百亿参数的大家伙掰手腕时，确实让人有点意外。Step3-VL-10B这次开源，算是给行业带来了一个不小的惊喜——原来小模型也能有大智慧。
你能想象吗?这个小家伙在视觉感知、逻辑推理、数学竞赛这些测试里，居然能跟GLM-4.6V(106B)、Qwen3-VL-Thinking(235B)这种重量级选手打得有来有回，甚至在某些项目上还能反超。更厉害的是，它还能媲美Gemini 2.5 Pro、Seed-1.5-VL这些顶级闭源模型。

这意味着什么?那些过去只能在云端服务器上跑的复杂任务，现在能直接塞进你的手机或笔记本里了。GUI操作、复杂文档解析、高精度计数，这些活儿都能在端侧搞定。
Base和Thinking两个版本都已经开源，想试试的话可以直接去下载。
项目主页：https://stepfun-ai.github.io/Step3-VL-10B/
论文链接：https://arxiv.org/abs/2601.09668
HuggingFace：https://huggingface.co/collections/stepfun-ai/step3-vl-10b
ModelScope：https://modelscope.cn/collections/stepfun-ai/Step3-VL-10B
10B参数，200B性能

Step3-VL-10B有三个比较突出的特点:

极致视觉感知标杆:在同等参数量级里，它的识别和感知精度算是拔尖的。通过PaCoRe(并行协调推理)机制，模型在复杂计数、高精度OCR、空间拓扑理解这些难啃的骨头上，表现确实稳。
深层逻辑推演与长程推理:靠着规模化强化学习的持续打磨，Step3-VL-10B在10B这个体量上实现了推理能力的质变。不管是竞赛级数学题、真实编程环境还是视觉逻辑题，它都能通过严密的思维链推导出答案。
强大端侧Agent交互:基于海量GUI专用预训练数据，模型能精准识别并操作复杂界面，这让它成为端侧Agent的核心引擎。
Step3-VL-10B提供SeRe(顺序推理)和PaCoRe(并行协调推理)两种玩法，在STEM推理、识别、OCR文档、GUI Grounding、空间理解、代码等方面，都拿到了千亿级模型才有的分数，而且PaCoRe范式表现更抢眼。

1、STEM/多模态推理
STEM和多模态推理是检验模型"深度智能"的硬指标。Step3-VL-10B在MMMU、MathVision这些测试中，成绩超过了GLM-4.6V、Qwen3-VL等一众模型。
2、竞赛数学
数学这块，Step3-VL-10B表现尤其抢眼。在AIME 25/24等数学竞赛题上几乎拿满分，达到世界第一梯队水平。这说明它已经具备了顶尖人类数学选手的思维能力，逻辑严密性甚至比很多千亿级模型还要强。
3、2D/3D空间推理
Step3-VL-10B在多个空间推理基准里都发挥得不错，特别是在BLINK、CVBench、OmniSpatial、ViewSpatial这些需要精细感知配合复杂逻辑的测试中，性能明显超过同规模模型。
4、代码
在真实动态编程环境下，Step3-VL-10B超越了不少世界一流的多模态模型。

为什么能做到?三项关键设计

能达到这个性能水平，主要靠三方面的设计:
全参数端到端多模态联合预训练:抛弃了传统分阶段冻结模块的套路，直接在1.2T高质量多模态数据集上全参数联合训练。这种方式让视觉特征和语言逻辑在底层语义空间深度对齐，给模型打下了扎实的感知能力和跨模态推理基础。
大规模多模态强化学习演进:率先把大规模强化学习引入多模态领域，经过超过1，400次迭代优化。模型在视觉识别、数理逻辑推理、通用对话等方面能力都有质的提升，而且实验数据显示，模型性能还在往上走，远没到天花板。
并行协调推理机制(PaCoRe):创新性地引入PaCoRe机制，支持推理阶段的动态算力扩展。通过并行探索多个感知假设并进行多维证据聚合，这个机制大幅提升了模型在竞赛级数学、复杂OCR识别、精准物体计数、空间拓扑推理中的准确度。
靠着这套"三位一体"架构，Step3-VL-10B证明了智能水平不完全取决于参数规模。凭借更高质量、更有针对性的数据构建，加上系统化的后训练和强化学习策略，10B级模型同样能在多项基准测试中跟10-20倍体量的模型正面硬刚，甚至实现反超。
这也意味着，世界一流的多模态能力可以用更低成本、更少算力获得了。过去集中在云端的超级智能正在逐步向端侧下沉，推动终端走向"主动理解与可执行交互"，重塑人机交互体验。
Step3-VL-10B(包括Base模型和Thinking模型)已经开源，欢迎你来试用交流，也期待开源社区一起来微调这个模型，共同推动小模型实现智能跃迁!
0
好文章，需要你的鼓励