开源新王炸！10B多模态小模子屠榜，性能媲美20倍巨无霸

智工具作者程茜编辑李水青

智工具1月20日报道，今日下昼，阶跃星辰开源多模态模子Step3-VL-10B。该模子参数目为10B，在视觉感知、逻辑推理、数学竞赛以及通用对话等一系列基准测试中均抵达同规模SOTA水平。

阶跃星辰的多项测评显示，Step3-VL-10B的性能可以媲美甚至逾越规模大10-20倍的开源模子，如GLM-4.6V 106B-A12B、Qwen3-VL-Thinking 235B-A22B以及闭源旗舰模子，如Gemini 2.5 Pro、Seed-1.5-VL。

这一轻量级模子的性能体现，也意味着手机、电脑、工业嵌入式装备也可以运行GUI操作、重大文档剖析、高精度计数等重大多模态推理使命。

从手艺层面看，Step3-VL-10B的性能突破得益于三个要害设计，划分是高质量多模态语料库上举行统一预训练、缩放多模态强化学习、并行协调推理机制。

现在，阶跃星辰已开源Step3-VL-10B系列的Base模子和Thinking模子。

Hugging Face开源地点：https://huggingface.co/collections/stepfun-ai/step3-vl-10b

ModelScope开源地点：https://modelscope.cn/collections/stepfun-ai/Step3-VL-10B

体验地点：https://huggingface.co/spaces/stepfun-ai/Step3-VL-10B

手艺报告链接：https://arxiv.org/pdf/2601.09668

一、从GUI感知到视觉识别和推理，Step3-VL-10B思绪清晰

阶跃星辰在官方公众号里放出了Step3-VL-10B在多模推理能力方面的真实案例。

首先是关于摩尔斯编码的推理，可以看到模子的思索历程思绪清晰，先拆解字母再逐个查表，最后拼接，流程准确，并且对大部分字母如S、T、E、F、U、N的定位和编码形貌准确。

其次是GUI感知能力，模子需要识别标签页中以章节开头.tex最后的文件标签，可以看到其思索历程接纳了识别标签、扫除非目的、统计数目的办法举行了准确剖析，并有用规避了滋扰选项。

第三个是关于图推理的案例，模子需要在连线很是重大的图片中准确识别中长度最短的图有几条，从思索历程可以看到，其先确认了最小权重的边长度是1，然后再统计所有权重为1的边。

二、拿下开源SOTA，数学竞赛测试题超94分

Step3-VL-10B具备三大焦点亮点：

视觉感知精度更高：在同参数目级中展现出顶尖的识别与感知精度，研究职员为其引入PaCoRe（并行协调推理）机制，模子在重大计数、高精度OCR及空间拓扑明确等高难度使命上的可靠性提升。

深层逻辑推演与长程推理：得益于规�；炕埃≧L）的一连迭代，Step3-VL-10B在10B规模上能应对竞赛级数学难题、真实编程情形、视觉逻辑谜题。

端侧Agent交互：基于海量GUI（图形用户界面）专用预训练数据，模子能够精准识别并操作重大界面。

阶跃星辰果真的多模态基准测试效果显示，Step3-VL-10B是10B参数种别中最强盛的开源模子。

详细来看，在多模态推理能力上，Step3-VL-10B在部分测试集上逾越了GLM-4.6V、Qwen3-VL等模子，其性能优于10倍至20倍大的模子。

数学能力方面，该模子在AIME 25/24等数学竞赛测试题上得分凌驾94分，这意味着其在逻辑严密性上甚至优于许多千亿级模子。

2D、3D空间推理能力上，模子在BLINK上体现出66.79%的涌现式空间意识，在All-Angles-Bench上抵达57.21%，意味着该模子在具身智能应用方面具有强盛的潜力。

最后是编程能力，在真实、动态编程情形下，Step3-VL-10B逾越GLM-4.6V、Qwen3-VL等模子。

别的，该模子的开源主页显示，研究职员在Qwen3VL-8B相关的基准测试中泛起了禁绝确数据，例如AIME、HMMT、LCB，现在正在修复。这些过失是由于其在大规模评估历程中max_tokens设置过失造成，他们将重新运行测试，并在下一版手艺报告中提供修正后的数据。

三、从感知到推理双提升，三大概害设计加持

该模子的论文提到，Step3-VL-10B的性能突破得益于三个要害设计：

一是在高质量多模态语料库上举行统一预训练：研究职员接纳单阶段、完全解冻的训练战略，在1.2T token的多模态语料库上举行训练，重点关注两大基础能力：推理和感知，例如通用知识和教育中心使命等推理能力，定位、计数、OCR和GUI交互等感知能力。

通过联合优化感知编码器和Qwen3-8B解码器，STEP3-VL-10B建设了内在的视觉-语言协同效应。

二是缩放多模态强化学习：通过一个严酷的后训练流程解锁了前沿能力，该流程包括两阶段监视微调（SFT）以及凌驾1400次的强化学习迭代，连系可验证奖励（RLVR）和人类反�。≧LHF）。

三是并行协调推理机制：研究职员接纳并行协调推理（PaCoRe），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举行多维证据聚合，该机制显著提升了模子在竞赛级数学、重大OCR识别、精准物体计数及空间拓扑推理中的准确度。

阶跃星辰的官方公众号提到，得益于“三位一体”架构，Step3-VL-10B证实智能水平并不完全取决于参数规模。这也意味着：天下一流的多模态能力有望以更低本钱、更少算力获得；与此同时，已往主要集中在云端超等智能将逐步向端侧下沉，推动终端走向“自动明确与可执行交互”。

结语：Step3-VL-10B或成端侧AI新选择

从Step3-VL-10B的实测可以看出，该模子依附10B轻量化参数体量，通过高质量多模态语料统一预训练、千余次强化学习迭代及并行协调推理机制，实现了对超大规模模子的跨级性能追赶。

并且详细到GUI交互、精准计数、竞赛级数学推理等使命，该模子也展现出较大应用潜力，未来有望降低在工业质检、外地文档剖析、下层医疗辅助等场景的安排门槛。

《孙保罗2024年讲道全部》，《Q8X2R7L1T4J5M9B6W3》

av研究所一一首页

“91精品欧美亚洲另类”

久久久久久久本综合一色

……

01月22日

“欧美一级ⅩXⅩⅩ”第37届金鸡奖提名名单

↓↓↓

KPL换乘恋爱，是程心程意

01月22日，人工智能挑战高校如何应对，欧美日韩A片全部免费，八酱的爆料免费观看最新一期，国产精品自拍av，花蝴蝶在线观看经典片

01月22日，全国多地因降雪大雾天气关闭千余个收费站，国产一级爱，奶大水多日起爽，抖音九条南无顶级符文最新版下载，影音先锋免费资源,玖玖玖色免费视频

01月22日，【趣解廿四时】大雪节气：古人涮羊肉有什么讲究？，欧美激性欧美激情在线户外，亚洲韩国一区二区三日本，坐脸闻屁调教丨ⅤK，巨胸美女露双奶头

01月22日，新一轮以旧换新撬动汽车大市场，A片在线播放，八酱和榜一大哥视频叫什么，宋雨琦裸体自我安憵，日韩欧美激情A片免费

01月22日，青海西宁上空现日晕景观，男同漫画在线观看，18禁网站检测，美女操逼应用，亚洲日韩欧美特黄视频

01月22日，习主席的小客人们这样看中国，黄色毛片AAA视频，亚洲无码在线伊人，全网黄在线免费，人人干人人草人人操

01月22日，郑州海关党委委员、副关长、一级巡视员孙晨明被查，黄色视频软件，国产在线视频黄，www.色色网.com，千乐网入口

01月22日，（新春走基层）逛“车厢集市”赏非遗演出：秦巴深处采购年货迎来新方式，校花脱个精光让我c了一夜视频，欧美性爱不卡的视频，日韩性Xx，亚洲精品污网站在线观看

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

开源新王炸！10B多模态小模子屠榜，性能媲美20倍巨无霸

热门视频

k1体育麻将胡了

下载APP

所有

开源新王炸！10B多模态小模子屠榜，性能媲美20倍巨无霸

热门视频

开源新王炸！10B多模态小模子屠榜，性能媲美20倍巨无霸