阶跃AI：把「能读懂一切」的多模态模型，装进一个随叫随到的智能体

早期 Step-1 与 Step-1V 打通文本与视觉理解，让「拍图问答、识别图表公式」成为助手的基础能力。文本侧开始构建通用对话的基座。

2024 年 7 月发布的 Step-2 是当时国内创业公司首个万亿参数量级的稀疏 MoE 模型，直接抬升了对话与综合理解的规模上限，也让阶跃站在国内自研模型的第一梯队。

语音大模型 Step-Audio 相继推出，让助手能听懂口音语气、合成自然语音，交互从「打字」扩展为「说话」，C 端日常使用的顺滑度明显提升。

进入视频与图像精细化编辑阶段，支持看图说话之外的图像修改与视频关键帧理解，多模态从「识别」走向「生成 + 修改」。

面向智能体场景的高效模型上线，主打更快的推理速度与可执行性，支撑 Agent Studio、深入核查等多步工具调用型能力。

把文档、资料投喂进专属知识空间，之后用自然语言对「你自己的材料」提问，让助手从私有内容里找答案，而非泛泛而答。

输入画面描述生成图像；升级到支持对既有图片做局部修改，覆盖配图、海报、素材提炼等轻创意场景。

上传 PDF、截图、音频甚至视频关键帧，助手综合理解后再输出结构化结论，弱化「格式」作为理解的门槛。

针对一份材料或一个论断做多源信息联合验证，适合查证类、审核类需求，是把「生成」拉回「可靠性」的能力。

把拆解任务、调用工具、完成任务做成可配置的工作流，让助手从「一次问答」升级为「代你完成一件多步的事」。

如面向财富咨询的「小财神」等角色化助手，把通用模型装进特定专业的壳里，降低使用门槛、贴近具体场景。

把录音丢给助手转写并提炼要点，或对长合同、研报拍照提问，用多模态输入换取「少读一手资料」的省时。

针对教材截图、手写公式提问，多模态推理模型擅长数理逻辑，可当「第二讲解老师」辅助理解。

做公众号封面、海报初稿时用图片创作快速出素材，再通过图像编辑细化，把「构思到成图」的链路缩短。

随口问资讯、学外语、练口音，语音大模型支撑更自然的短交互，无需每次打字。

基础对话与常见图片/文档功能面向普通用户免费开放；更高阶的推理模型、视频、智能体任务与长上下文可能涉及额度或订阅，具体以官网与 App 内实时公示为准。

跃问是阶跃星辰早期面向用户的助手产品，如今相关体验已整合进「阶跃AI」这个更统一的多端品牌，能力上由 Step 系列模型统一驱动，算是「同一个模型的改名升级」。

可以。知识库问答功能允许上传自己的资料并基于私有内容提问，适合研究、合同、资料库等场景，注意涉敏资料建议评估平台数据政策后再上传。

核心区别在模型自研带来的多模态深度与智能体成熟度，语料与功能细节则与各家用例有关；归根结底建议按你的高频场景（文档、语音、改图、Agent）实际对比。

网页端官网 stepfun.com 即可用，同时提供 Windows/macOS 桌面端与 iOS/安卓移动端，浏览器或桌面端登录即可开始使用，无需额外安装权限。

阶跃星辰是研发 Step 系列大模型的公司本体，阶跃AI是其面向个人的助手产品，两者一分属模型层与产品层：公司负责造模型，产品负责把这些能力做成好用的工具。