跳到主要内容
#17A-2026 年 4 月 18 日证据 B

阶跃 Step-3

阶跃星辰 · 未公开(MoE)

端云一体的多模态实用派

Step-3 在视觉、语音、视频上均衡,端侧版本可落地手机与车机。缺少断层优势,但价格与延迟控制不错。

文本图像音频视频原生多模态

最后更新于 2026 年 10 月 18 日编辑部评分

结论先行

适合需要端云协同、又不想绑定单一互联网大厂的产品团队。若要做最强效果,仍需看豆包/Qwen。

八维评分拆解

编辑部映射分 · 0–100
视觉感知88文档 OCR85图表推理84视频时序86GUI Agent85生成编辑80中文语境85生态可用788 维
  • 阶跃 Step-384.7
视觉感知与定位20%
88
文档解析与中文 OCR18%
85
图表与文档推理14%
84
视频与长时序理解14%
86
GUI Agent 与工具调用14%
85
生成与图像编辑6%
80
中文语境与文化6%
85
生态、成本与可用性8%
78

权重:视觉 20 / 文档 18 / 图表 14 / 视频 14 / Agent 14 / 生成 6 / 中文 6 / 生态 8。分数含义与证据来源见方法页。

公开基准与数据

按来源口径,不换算
基准 / 指标数值说明
上下文256K官方口径
模态4文/图/音/视频

公开分数来自不同版本与提示词设置,不能与本站综合分直接互换;我们仅将其作为评分证据之一。

场景映射

同一把尺子的五项压力测试
场景映射分观察
中文票据 OCR85 · 常规文档
图表取数83 · 常规
30 分钟视频问答86 · 短视频强,长视频一般
手机 GUI 操作85 · 端侧响应快
中文文化理解84 · 通用

优势与局限

优势

  • 端侧版本成熟,延迟低。
  • 语音与视觉均衡。
  • 价格适中,适合大规模铺量。

局限

  • 公开评测与文档偏少。
  • 生态与工具链较新。
  • 单项能力不拔尖。

价格与真实成本

公开单价

¥5/M tokens

约 ¥5 / 百万输出 token。以 1,000 张 1,024px 图片、每张约 1,100 图像 token、300 输出 token 估算,单月成本约为 ¥3.0(按输入价为输出价 25% 的假设)。

按你的量计算

关于阶跃 Step-3

阶跃 Step-3 是开源的吗?

许可证:闭源商用。不提供公开权重,只能通过厂商 API 或私有化授权使用。

阶跃 Step-3 的价格是多少?

约 ¥5 / 百万输出 token。按本站 8 维评分,它排在第 17 位,综合 84.7 分。实际账单受分辨率、切块、缓存与阶梯折扣影响。

阶跃 Step-3 最适合什么场景?

端云协同产品;车机多模态交互;语音+视觉的轻应用。

为什么 阶跃 Step-3 的综合分是 84.7?

综合分由 8 个维度按权重加权:视觉 20%、文档 18%、图表 14%、视频 14%、Agent 14%、生成 6%、中文 6%、生态 8%。它的强项是视觉感知与定位,短板是生态、成本与可用性。

个人榜单 · 非官方评分

本页所有排名、分数与对比均为个人评测榜单,不是官方评分,也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射,换一组权重名次就会变。如有不同意见或发现事实错误,欢迎联系站长:jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。