铃阅
❌

阅读视图

阶跃Step 5 Preview上线Qoder CN全家桶!

阶跃StepFun 2026-11-04 16:55 北京

现在,在 Qoder CN 全系产品中可以直接调用阶跃 Step 5 Preview 啦!

🐤 Qoder 是由阿里巴巴出品、以编程智能体为核心的生产力平台,支持用户通过自然语言完成软件开发、数据分析、内容创作等任务,目前已服务全球超 800 万开发者。

从 Bug 修复、功能开发与代码重构,到网页搭建、数据可视化与 3D 交互创作,再到深度研究、信息检索与复杂任务的持续执行,Step 5 Preview 在 Qoder CN 中解锁更多使用场景,让创意实现与复杂任务处理更加高效。

😉 现在打开 Qoder CN,选择 Step 5 Preview,开启你的 AI 创作与开发之旅吧~

#Step5Preview

#Qoder

#阶跃星辰

跳转微信打开

  •  

阶跃 Step 5 Preview 权重开放,技术博客同步上线

原创 阶跃StepFun 2026-10-15 11:02 北京

面向长程 Agent 的架构与训练

今天,我们正式释放Step 5 Preview 权重!

本次开放:

  • BF16 与 FP8 模型权重

  • 技术博客

  • 配套开源开发工具

Step 5 Preview 面向长程 Agent 任务而设计,采用稀疏 MoE 架构,总参数量600B、每 token 激活参数仅 27B,支持 100 万 token 上下文窗口,原生支持文本与视觉输入,在 AI 编程、软件工程、专业知识工作和金融等场景表现突出。近期,Step 5 Preview 在 OpenRouter 周调用量、日调用量榜单中均位居全球第二。

目前,模型权重已上线 Hugging Face 和ModelScope,并提供面向多种芯片平台和推理框架的适配支持。开发者可以通过 vLLM 或 SGLang 部署兼容 OpenAI 接口的 API 服务,也可以使用 Transformers 进行离线推理,将模型接入自己的数据、工具和系统,构建智能体、应用、工作流与服务。

同步公开的技术博客,介绍了 Step 5 Preview 如何通过架构与训练的协同优化,支持更长、更复杂的 Agent 任务。关键设计包括:

  • 92 层窄深架构: 为隐式多跳推理提供更深的计算路径,同时控制参数规模与计算成本。

  • Sparse GQA: 通过块级索引与稀疏计算合并,降低百万 token 上下文的计算开销。其中,8 token 块级索引可将索引与 top-k 选择开销降至原来的1/8。

  • 更稳定的训练:在关键状态与参数上保留 FP32 精度,结合细粒度梯度裁剪,缓解深层网络中的激活异常增长与梯度尖峰。

  • 百万级可验证环境: 覆盖软件工程、科学推理、机器学习研发和专业知识工作,并持续校准任务难度、多样性与评估可靠性。

  • 面向长程任务的强化学习:将上下文压缩纳入端到端策略训练,让 Agent 学习整理任务状态、继续执行;结合更精细的奖励归因,提升长轨迹的学习效果。

欢迎开发者与研究者下载、部署,分享实践经验与反馈。我们期待与社区一起,让 Step 5 Preview 在更多真实任务中得到检验与拓展。


立即体验

Hugging Face:

https://huggingface.co/stepfun-ai/Step-5-Preview

ModelScope:

https://modelscope.cn/models/stepfun-ai/Step-5-Preview

技术博客:

https://platform.stepfun.ai/blog/inside-step-5-preview

官方文档:

https://platform.stepfun.ai/docs/en/guides/models/step-5-preview

跳转微信打开

  •  

阶跃Step 5 Preview上线WorkBuddy!独家限免

阶跃StepFun 2026-10-12 12:22 北京

🚀现在,在腾讯 WorkBuddy 中能直接调用阶跃 Step 5 Preview 啦!

WorkBuddy 是腾讯推出的全场景 AI 办公工作台。无需复杂操作,只需通过自然语言下达指令,就能让 AI 自主拆解任务、调用工具,从需求理解到成果交付,让复杂工作变得更简单。

🔍从深度研究、信息检索,到数据分析、文档与 PPT 生成,再到多步骤复杂任务的持续执行,Step 5 Preview 将更强的推理与 Agent 能力带入真实办公场景。

🎁2026 年 10 月 12 日至 10 月 25 日,Step 5 Preview 在 WorkBuddy 开启独家限免!

还等什么?打开 WorkBuddy,带上 Step 5 Preview,立刻开工!💻

#阶跃星辰

#WorkBuddy

#Step5Preview

跳转微信打开

  •  

Step 5 Preview 现已上线 TRAE!

阶跃StepFun 2026-09-22 20:50 北京

现在,在 TRAE 中可直接调用 Step 5 Preview 啦!

TRAE 是豆包旗下专业 AI 开发产品,将 AI 深度集成进开发工作流,覆盖代码补全、调试、测试、重构到部署的开发全流程。

现在,Step 5 Preview 也正式加入其中。 从理解复杂代码库、跨文件修改,到 Bug 修复、重构、性能调优,再到持续数小时推进长程任务,Step 5 Preview 可以更完整地进入真实软件工程工作流,覆盖 9 类任务、33 种编程语言。

-DeepSWE 67.7 分

-ProgramBench 通过率 80.5%

更强的 Coding 与 Agent 能力,已经就位🤖。

打开 TraeCode,点击就开始~

#阶跃星辰

#Step5Preview

#TRAE

跳转微信打开

  •  

阶跃发布旗舰模型 Step 5 Preview:向前一步,智能效率的新一代“帕累托前沿”

原创 阶跃StepFun 2026-09-20 10:00 北京

10 月 15 日,正式开源!

帕累托前沿,描述的是多个目标之间所能达到的最佳平衡:在这条边界上,想进一步改善一个维度,通常就必须牺牲另一个。对 AI 模型而言,能力、效率与成本之间也存在这样的取舍。推进帕累托前沿,并不是让取舍消失,而是通过新的模型设计,将这条边界继续向外推——

阶跃新一代旗舰模型 Step 5 Preview,为此而来!

这是一款面向真实世界 Agentic 任务的旗舰基座模型。我们认为,随着 Agent 从“回答问题”走向“完成任务”,日常工作主力模型的标准也在发生变化:不再只是单项能力足够强,而是要在能力、成本、效率和场景覆盖之间实现更好平衡。Step 5 Preview 正是围绕这种平衡而设计。

它采用稀疏 MoE 架构,总参数量 600B、激活参数仅 27B,支持 100 万 Token 上下文窗口,原生支持文本与视觉输入,在 AI 编程、软件工程、专业知识工作、金融等场景表现突出。

在全球权威的 Artificial Analysis  Intelligence Index 中,Step 5 Preview 取得 44 分,位居全球开源模型前三。与此同时,Step 5 Preview 单任务成本仅为 Claude Opus 5 的 1/8。这意味着,Step 5 Preview 在同样成本下获得更强智能,也让同等能力能以更低成本投入实际工作——进一步推动 AI 模型的帕累托前沿。

在公开和内部评估中,Step 5 Preview 在复杂的软件工程任务(包括长程规划任务)、专业知识工作和金融领域等基准测试中展现出较为均衡的综合能力,并在 Agents' Last Exam 的 CLI 子集 ALE-CLI、金融投资研究评测 FrontierFinance,以及跨领域深度研究评测 DRACO 上仅次于 GPT-6 Astra 或 Claude Opus 5,领先其他参评开源模型。

GDPval-AA v2 采用 Artificial Analysis 截至 2026 年 9 月 19 日公布的最新结果。DeepSWE v1.1 使用SWE-agentharness 进行评测,参数设置为 temperature=1.0 和 top_p=0.95。

今天起,Step 5 Preview 全量开放,我们由衷希望它能成为你在 Agent 任务中的日常主力模型。此外,Step 5 Preview 依旧是一款开源模型,我们将在10 月 15 日释放模型权重,欢迎大家持续关注。

在真实场景中找到能效平衡

Step 5 Preview 面向 AI 编程、软件工程、专业知识工作、金融等场景设计,重点覆盖需要长上下文、多轮工具调用和持续执行的真实工作场景。相比一次性回答问题,我们更关注模型能否在更长的任务链中持续理解上下文、调用工具,并最终完成任务交付。

Coding:既要广,也要深

我们构建了 StepCodeBench,覆盖 553 个独立代码仓库、9 类任务、20 个应用领域和 33 种编程语言,评测设计参考了产业需求、真实用户需求和专家工作轨迹。

在该评测上,Step 5 Preview 在整体任务成功率和跨场景稳定性上表现突出,能够覆盖多种编程语言,以及 Bug 修复、功能开发、代码重构、环境配置等真实开发任务。

在下方展示的任务中,Step 5 Preview 根据自然语言需求,自主阅读 ESP32 设备及相关 API 的大量开发文档,将一块 ESP32-S3 开发板改造成支持蓝牙按键与语音输入的 Vibe Coding 键盘。在开发过程中,模型不仅编写代码,还能够访问 COM 串口、调用摄像头、获取设备截图、模拟鼠标操作,并根据真实设备返回的状态和报错持续修改、运行和调试代码,连续执行超过 3 小时。

跨越更长任务周期

长周期任务要求模型持续追踪此前的执行结果,利用运行反馈,并判断下一步应该尝试什么。我们选择了两个可量化的场景:一个是优化 GPU Kernel,另一个是优化后训练数据流程。

  • 优化 GPU Kernel

我们给 Step 5 Preview 24 小时,让它在一张 NVIDIA H100 GPU 上从零开始优化一个 MLA GPU 内核。该任务的头维度为 512,生产配置为 batch size 1、64 个注意力头和 8,192 个 token。

从一份初始描述出发,Step 5 Preview 自主实现修改、运行内核并测量吞吐量。当某个候选方案能够成功运行,却导致吞吐量下降时,它会放弃该方案,并从此前找到的最佳版本继续优化。在本次任务中,Step 5 Preview 经过约 22 小时,将峰值性能提升至 508 TFLOPS,超越 Claude Opus 5 的 493 TFLOPS。

  • 优化后训练数据循环

在第二项实验中,我们给 Step 5 Preview  24 小时,要求它通过自动化后训练提升一个 Qwen3-30B-A3B 基础模型在 AIME24 上的表现。模型可以调用一个接入生产数据的 API annotator,并自行决定如何使用 annotator、如何调整后训练数据,再根据下游效果继续迭代。

经过后训练,模型在 AIME24 官方测试集上的准确率由 53.3% 提升至 60%。这一成绩与参与 Claude Opus 5 持平,同时消耗的 annotator token 更少。

前端设计:让想法真实落地

Step 5 Preview 不只会写前端代码,也能直接参与视觉内容的生成与迭代。它可以完成网页界面和数据可视化,也能调用 Blender 创建并反复调整 3D 资产,再把这些资产接入 Three.js 的交互式 Web 应用和游戏。

Step 5 Preview 可以从一本 1922 年的《广九铁路旅行指南》中,提取信息构建行程查询、费用计算与路线回放功能,让小火车沿百年前的线路运行,将百年史料转化为可交互的产品。

聚焦金融:一场对综合能力的真实检验

金融是最能检验模型综合能力的场景之一。它同时连接宏观经济、政策监管、行业周期与公司经营,任何一个行业的变化,都可能进一步影响市场预期和资产价格。对模型来说,这不仅要求掌握财报分析、估值、投资研究等专业知识,也要求具备跨行业理解、证据核验和复杂问题拆解能力。

我们因此将金融作为 Step 5 Preview 的重点验证场景之一,主要考察三类能力:是否具备扎实的金融专业知识,是否能够建立跨行业之间的因果联系,以及是否能在信息不完整、数据口径不一致的情况下,借助工具完成严谨分析和建模。围绕公司研究这一典型且高难度的金融工作流,我们进一步构建了三项内部评测。

  • FinStepBench - LiveSearch:评估模型能否随着信息需求变化,检索并验证及时、可靠的金融信息。

  • FinStepBench - CorporateValuation:评估模型能否将金融数据和合理假设转化为内部一致的预测,并完成可复现的估值。

  • FinStepBench - DeepResearch:评估完整的金融研究流程,从证据收集与分析,到最终产出完整、有充分依据的研究报告。

我们还使用外部基准测试 FrontierFinance 对 Step 5 Preview 进行了评估。该测试通过 220 道由专家设计的问题和 11,543 项评估标准,覆盖六类投资应用场景。其详细的评分规则从另一个维度补充评估了模型处理复杂金融问题的能力。在全部四项基准测试中,Step 5 Preview 均取得较强结果,展现出其在信息检索、企业估值和金融研究等任务上的强劲能力。

写在最后:阶跃的 3 次效率追问

过去,大模型 Scaling 的核心逻辑是用更多计算换取更强智能。但随着模型规模和任务复杂度持续增长,计算成本也被同步放大,Scaling 的核心关注开始变成:如何更高效地把计算转化成模型能力?

从 Step 3.5 Flash、Step 3.7 Flash 到 Step 5 Preview,我们持续探索的正是这个问题。我们相信,下一阶段的 Scaling,不只是更多 Compute,也包括更高效率的 Compute。

最后,我们将在 10 月 15 日释放 Step 5 Preview 完整权重,敬请期待🤗!

跳转微信打开

  •  

阶跃发布语音大模型StepAudio 3,拿下多个全球第一!

原创 阶跃StepFun 2026-09-15 15:29 北京

不只会说,更会听、会想、会创作。

今天,我们正式发布 Step Audio 3 系列模型,包括 StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen 和 StepAudio 3 Music。其中,多款模型在 Artificial Analysis 榜单中位列全球第一。

过去一年,语音大模型的发展正在从单点能力竞争,进入更完整的内容理解、实时交互和创作能力竞争。语音模型不再只需要“把文字念出来”,音乐模型也不再只是“一句话生成一段好听的音频”。

我们希望 StepAudio 3 往前再走一步:让模型真正理解声音、组织声音,并参与完整的实时交互和音频创作流程。

围绕这个目标,StepAudio 3 系列分别面向几类核心场景:真人级语音生成、完整音频内容生成、实时语音交互、复杂场景语音理解和音乐创作。

StepAudio 3 Realtime

不仅“能打断”,更能理解、思考和行动

今天,越来越多 Realtime 语音产品已经支持全双工、打断和低延迟交互。真正拉开体验差距的,不只是“能不能同时听和说”,而是模型能否在一场持续发生的对话中,边听边理解、判断何时接话,同时完成推理和任务执行。

StepAudio 3 Realtime 围绕这一目标进一步提升实时交互能力,支持原生全双工实时对话。

在 Artificial Analysis Conversational Dynamics 榜单中,StepAudio 3 Realtime 以 98.9%的综合得分排名全球第一,展现出领先的实时语音交互能力。这意味着模型不仅能够“听懂”和“回答”,更能够像真实交流中的人一样判断对话节奏——知道什么时候该回应、什么时候该等待,以及如何处理用户的临时打断和连续反馈。

与此同时,StepAudio 3 Realtime 以 99.7% 的语音推理准确率位列 Artificial Analysis Speech Reasoning 榜单全球第一。Speech Reasoning 聚焦模型直接理解音频并完成复杂推理任务的能力,是业内评估“原生语音模型”最权威的第三方基准之一。

模型还可以同时理解语义、语气、情绪、副语言和环境声音,让实时交互不只依赖文字内容,而是利用更完整的音频信息理解用户意图。

面对复杂问题,StepAudio 3 Realtime 支持推理与语音生成并行,在快速回应的同时继续组织和深化后续答案。

不仅如此,Tool Call 和长任务可以异步执行,不阻塞当前语音会话。任务运行期间,用户仍然可以继续交流,结果完成后再自然回到当前上下文。

这让 Realtime 语音模型不只是“更自然地聊天”,而是能够在同一场持续对话中完成听、说、想、做。

StepAudio 3 ASR

从听清,到听懂

传统语音识别主要解决“听到了什么”,但真实世界中的语音往往包含方言、口音、专业术语、同音词和复杂上下文。真正可用的 ASR 模型,不仅需要准确转写声音,也需要理解说话者表达的含义。

StepAudio 3 ASR 将高精度语音识别与大语言模型的上下文理解、知识和推理能力结合,让语音识别从“辨认声音”进一步走向“理解语境”。

它支持中文、英文、方言、中英混说、长音频以及专业领域等多类场景识别,能够适应不同语言环境和表达方式。同时,依托大语言模型带来的知识理解能力,StepAudio 3 ASR 能够更准确识别人名、地名、专业术语等复杂内容,在医疗、法律、金融、汽车、编程等领域提升专业表达的识别效果。

模型也能够处理低声、快语速、含糊连读、歌声和背景音乐等复杂输入,让真实声音环境下的语音被更准确地识别和使用。

这意味着,ASR 模型不再只是个声音转写工具,而是能够更准确地理解、检索和使用每一段语音内容。在会议纪要、视频字幕和直播理解、智能客服、车载交互、医疗记录、金融服务与专业内容生产场景,都能精准地完成任务。

StepAudio 3 ASR 在 Artificial Analysis 非流式语音识别准确性榜单中,WER(词错误率)仅为 1.7%,并列全球第一。

StepAudio 3 TTS

不止朗读,更像真人表达

声音不仅承载文字信息,也包含语气、节奏、停顿和情绪等丰富的表达细节。如何让 AI 生成的语音更接近真实交流,一直是语音生成模型的重要方向。

StepAudio 3 TTS 是一款面向实时交互场景的真人级语音生成模型,致力于让 AI 语音从“准确发声”走向“自然表达”。

模型在音色基底、语调层次、节奏律动和气口停顿等方面高度贴合人类自然口语模式,不仅能够生成文字对应的语音,还能还原笑声、迟疑、结巴、重复、改口等真实交流中的副语言表现,让合成语音更接近真人说话。

同时,StepAudio 3 TTS 能够结合语义内容理解表达意图,自主调整情绪与语气变化,使声音表达更加符合具体场景。在实时交互方面,模型基于流式生成架构,实现生成与播放同步进行,可满足实时语音应用需求。

我最近就特别纠结,就是要不要换工作这个事。呃,现在这家吧,钱少,但是离家近嘛,走路十分钟。新的那个offer呢,给得多,多个,多个四千吧大概,但通勤单程要一个半小时。我妈说钱重要,我朋友说命重要,我就,唉,怎么说呢,天天睡前想这事,越想越睡不着。

Man, my sister’s back with him...Again! I don’t even know what to say anymore. Like, this dude treats her like sh*t, they break up, she cries for a week, and then two months later he’s somehow back at her place. I mean… whatever, it’s her life. Still pisses me off, though.

StepAudio 3 Gen

人声、音效、环境、音乐,一次生成

传统音频内容生产往往是一条很长的链路。角色配音、环境音、音效、背景音乐需要分别制作,再经过剪辑、对齐和混音,才能形成最终作品。

StepAudio 3 Gen 尝试把这些原本分散的环节统一到一个模型里。

它可以基于自然语言描述和参考音频,统一生成人声、音效、环境音和背景音乐。用户只需要描述角色、场景和剧情,无需针对特定角色或场景进行额外训练。就可以直接生成具有完整声音层次的音频内容。

更重要的是,这些声音并不是简单叠加。

StepAudio 3 Gen 支持对多个角色的音色、说话方式、语气、情绪、方言口音,以及笑声、喘息、停顿等副语言特征进行精细控制,也可以进一步指定对白、音效、环境声和背景音乐出现的时间与顺序。

这意味着,模型不仅在“生成声音”,也开始参与整段内容的声音设计和时序编排。

对于影视、动画、游戏、广播剧、有声书和短视频创作者而言,原本需要素材搜集、多工具协作和大量后期处理的声音制作流程,有机会被压缩到一次生成和持续迭代中。

StepAudio 3 Music

不止生成,更参与创作

音乐生成模型已经越来越擅长“一句话生成一首歌”。但真正的音乐创作,并不应该是这样“简单抽卡”。创作者可能已经有一段歌词、一段清唱、一句旋律、一段乐谱、或者一个 Demo,希望 AI 接着往下完成编曲、改编和制作。

StepAudio 3 Music 因此不仅支持从零生成,也支持基于 ABC 记谱法控制的多轮交互创作。

模型支持歌曲创作、清唱配乐、歌曲翻唱等多种功能。用户可以提供歌词、清唱、参考歌曲、ABC 记谱法等多种输入,让模型围绕已有创作继续生成和完善作品。

温暖细腻的民谣流行,男声轻柔演唱,D大调,加入管弦乐元素,整体舒缓自然,带有怀旧、温柔而略带忧伤的氛围。

与此同时,用户可以通过自然语言直接控制曲风、人声、旋律、节奏、乐器、情绪、段落和制作质感。

模型还对主歌、副歌、桥段、间奏等歌曲结构,以及跨段落的旋律发展、能量变化和演唱表达进行建模,让生成目标不只是“一段好听的音乐”,而是一首结构完整、表达连贯的作品。

尤其在清唱配乐场景中,用户只需要提供一段清唱,模型就可以理解其中的旋律、节奏和情绪,并进一步补充和声、节奏、乐器和完整编曲。

一首温暖柔和的 City Pop 男声歌曲,带一点爵士和轻摇滚的感觉,氛围朦胧浪漫。

这让音乐大模型开始更深入地进入真实音乐生产流程,而不仅仅是一个“一键生成歌曲”的工具。

跳转微信打开

  •  

WAIC 2026 必打卡展区——我,我,就是我!

原创 阶跃StepFun 2026-07-19 19:28 上海

等你来玩哟

🔥 WAIC 2026 太太太太太火爆了!!!

大模型、Agent、机器人、智能驾驶、AI 终端……想必大家腿都要走断、看不过来了吧。

 那么在阶跃展区(H1 馆 C107),这些你想了解的前沿技术和热门展项,我们让你一站看够!

“镇馆之宝” STEPX Neo

首先是刚刚斩获 2026 WAIC“镇馆之宝”荣誉的大模型原生智能体手机 STEPX Neo。

它搭载全球首个智能体原生操作系统 Step AOS,内置智能体阶跃Amoo,旨在打造真正的“模型、软件、硬件”三位一体的大模型原生智能体手机,实现效率与体验的双重升级。

STEPX Neo 也是首批通过《人工智能终端智能化分级》系列国家标准 L3 级别测试、目前唯一获得 L3 级检测报告的智能体手机,

在现场,可以尝试用 STEPX Neo 打车、点外卖,只需告诉它“终点”,它就能“自动驾驶”完成一系列操作,解放你的双手。

阶跃 AI 模型实验室

第二站欢迎来到阶跃 AI 模型实验室,在这里可以体验到 Step 系列模型如何在真实生活中成为你的贴心助手。

比如通过手机和电脑联动,只需要在手机上说一句话,阶跃 AI 就能在电脑上自动干活;又或者是来一段炫酷的 vibe coding;再或者是只用 10 秒录音,就让 AI 用你的声音定制一首歌曲。

飞书文档 - 图片

以上底层能力都来自于 Step 系列模型,比如负责解决本地任务的 Step Edge 全家桶、以及效率拉满的 Step 3.7 Flash。

同时我们也展示了多模态模型矩阵中的 StepAudio 语音模型家族。Audio Agent、语音输入法都任你来玩!

汽车 Agent:超级Eva 来啦!

当然还能看到阶跃的好朋友们。阶跃携手吉利、千里科技共同研发的汽车“超级智能体”超级Eva全新升级,并搭载量产车型极氪8X,首发亮相世界人工智能大会,再次突破舱驾融合体验。

作为最懂智驾的汽车智能体解决方案,它不仅会开车、更会生活,情商智商在线,还能办事。只要动动嘴,用户就可以在车上实现模糊语义规划全程、智驾操控、旅行讲解、订票订座订外卖等生活服务,再次刷新了量产级的舱驾协同、人车交互智能体验:

  • 一句话行泊车:一句话规划全程、全链托付、随时语音修改。

  • 一句话控智驾:打通智驾实现语音控车。

  • City Drive:体验式路线规划+讲解+D2D智驾执行。从城市导航到城市导游,一座城秒变熟悉。

  • 一句话会办事:连接生活服务小程序,动动嘴就能订票、定座、定外卖。

6 个机器人协作挑战搭长城

我们还联合原力灵机发起“挑战 15 小时持续作业,6 台机器人协同拼装长城模型”。

Dexmal原力灵机多台不同类型机器人,协同拼装长城模型,基于原力灵机具身通用基础模型和阶跃基础大模型。

每台机器人能够自主感知、独立决策、动态分工,在亚毫米尺度上完成媲美熟练工的精密操作,持续作业实现超8万多件模型的组装,拼装长城3M*1.5M*1.1M。

这也是全球首次机器人自主拼装如此规模、如此精细度的模型哦~

 以上就是阶跃展区的亮点啦,WAIC 2026 还在火热继续,一直到 7 月 20 日,欢迎大家来阶跃展台(H1 馆 C107)找我们玩!

跳转微信打开

  •  

阶跃与上海期智研究院共建智能体前沿研究院

阶跃StepFun 2026-07-18 20:55 上海

探索 Agent 时代关键命题

7 月 18 日,阶跃星辰与上海期智研究院宣布正式达成合作,双方将共同设立智能体前沿研究院,围绕智能体网络及经济原理、AI Safety 等方向开展联合研究,探索 Agent 时代的基础理论、核心技术、标准体系与产业范式。

上海期智研究院院长姚期智与阶跃星辰董事长、千里科技董事长印奇出席揭牌仪式并共同见证合作。

揭牌仪式上,双方联合提出“智能体时代五大全球新命题”,从行动权利、责任秩序、安全范式、经济基础和人机共生五个维度,回应智能体大规模进入真实世界后,人类社会必须共同面对的基础性问题。

作为长期布局 Agentic AI 的基础大模型公司,阶跃持续推动 AI 从模型能力走向真实世界应用。此次与上海期智研究院共建智能体前沿研究院,将进一步加强学术界与产业界协同创新,加快智能体前沿研究成果走向产业实践,助力构建开放、可信、可持续的智能体产业生态。

面向 Agent 时代,阶跃正式推出 StepStar 顶尖人才计划,在全球范围内招募智能体领域优秀人才。该计划旨在汇聚具有长期视野和原创精神的创新力量,支持研究者围绕智能体领域的前沿问题开展长期探索,推动更多原创思想转化为关键技术与真实应用。

阶跃期待与全球优秀人才一起,突破智能体技术边界,共同定义智能体的未来。

跳转微信打开

  •  

WAIC 2026开幕式主论坛 | 印奇:当智能体走进物理世界

阶跃StepFun 2026-07-17 21:50 北京

当智能体进入物理世界,每个人的可能,都将被十倍放大

2026 世界人工智能大会(WAIC 2026)今日开幕。作为全球人工智能领域的顶级盛会,本届大会以“智能伙伴 共创未来”为主题。

阶跃星辰董事长、千里科技董事长印奇作为特邀嘉宾出席大会开幕式并在大会主论坛(上午场)发表主题演讲《当智能体进入物理世界》。

以下为演讲全文——

各位嘉宾、各位朋友:

非常高兴在 WAIC 的开幕式上,和大家一起探讨人工智能技术和产业发展的下个阶段。过去 5 年,AI 快速发展,回看每一次 AI 爆发,都离不开两股力量的结合:超级模型与超级应用。Transformer 大语言模型和 chatbot 聊天机器人的结合,带来了 ChatGPT 时刻;强化学习、推理模型与辅助编程的结合,打开了 AI 编程的巨大机遇。那么,下一波爆发点会是什么?我们看到的一个巨大的可能,就是智能体模型和下一代终端产品的结合。

所以,今天我想分享的主题是:当智能体走进物理世界。

15 年前,我刚刚大学毕业,选择的第一份工作就是成为一名 AI 创业者。15 年后,AI 创业从一个小众赛道变成这个时代全球最大的共识之一。我深感能在这个时代成为一名 AI 创业者,无比幸运。

当今的每一位 AI 研究者和 AI 创业者,都是站在历史巨人的肩膀上。

一边是 70 年来几代 AI 科学家孜孜不倦的探索。不管是符号学派还是连接学派,再到深度学习和大模型。细看整个 AI 技术的发展脉络,都呈现出高度的连续性,同时又具备从量变到质变、如阶跃函数般的跳变性。

另一边,沿着产业和应用的角度,IT 行业、PC 互联网、移动互联网、云计算、半导体、新能源,共同构成了 AI 爆发不可或缺的序章。

2026 年,模型能力跨越了能力的临界点。可以说,我们已经站在 AGI 高峰的山脚下。

5 年前,AI 能连续执行的任务时长仅仅是几秒钟,今天它已经能够独立工作数十小时,而且进步的斜率还在不断增大。我发现其中一个有趣的规律,AI 发展的里程碑似乎总和一个词紧密相关,那就是“语言”。

从早期的图灵测试,机器能否如人类一般掌握自然语言,是衡量智能最重要的标准;后来大语言模型 predict next token 的模式出现,一开始大家认为这不是智能,到后面惊讶的发现这恰恰开启了通往智能的真正大门。

再到 2026 年的关口,AI 已经不光掌握了人类交流的语言,还在人类最重要的智力劳动——编程上快速追赶甚至超越人类。

这可能会成为图灵测试的 2.0 版本:在最重要的语言框架下,机器是否能超越人?下一阶段更关键的问题也将变成,我们如何为 AI 进入物理世界设计一套新的语言体系?哲学家维特根斯坦曾说:“语言的边界,就是世界的边界。”在 AI 的世界里,也似乎遵循这个规律。

无论是从模型技术演进还是产业发展的角度,“智能体”都变成 AI 下一阶段最重要的关键词。回看历史,所有的产品都是某种服务的载体。在信息革命 80 年的时间里,最重要的产品形态,从大型计算机、个人计算机,再到软件、网站、移动应用,接下来可能快速转变成“智能体”这样一种新载体。

智能体,将不仅是一个聊天的机器人,它能感知外部物理世界,理解用户深度记忆和偏好,综合决策和执行,完成用户交予的各项任务。

智能体,正在成为生产力的最小单元。

未来,每个人身边都会有专业智能体:工程师有代码智能体,设计师有创意智能体,研究员有分析智能体……这些智能体,会让一个人拥有一支团队的能力,也让屏幕里的智能真正走进我们的工作和生活。

因此,智能体带来的不是一个单点应用机会,而是三个结构性变化:新系统、新载体、新网络。

第一,是新系统。

过去四十年,每一次计算平台的变化,都伴随着操作系统的变化。PC 时代管理软件,移动时代管理应用,智能体时代则要管理很多能够理解目标、规划路径、调用工具并执行任务的智能体。因此,智能体能做什么,不只取决于模型有多聪明,也取决于操作系统为它打开了多大的能力边界。

因此我提出一个公式:智能体能力 = 模型能力 × 智能体操作系统能力。

如果说模型决定智能体能“想多远”,那么 Agentic OS 决定智能体“走多远”——它连接模型与数据、工具、接口和设备,让智能体不仅能够理解世界,也能够采取行动。这就是智能体原生操作系统,它将成为未来人机交互和产业生态的重要基础设施。

第二,是新载体。

移动互联网时代,终端连接人与数字世界;智能体时代,终端将带着智能走进物理世界。它不再只是等待人的操作,而是能够感知环境、理解情境并采取行动。

这意味着,终端的设计逻辑正在改变:过去,我们围绕人的操作方式设计机器;未来,我们将围绕人与智能的协作方式重新定义终端。

终端的设计理念也将从“以人为本”,进一步走向“人机共生”。

电脑将成为 Agent 工作站,手机将成为随身智能中枢,汽车将成为移动智能空间,机器人将成为人类身边的智能伙伴。更重要的是,这些终端不再彼此孤立。电脑、手机、汽车和机器人,将成为同一个智能体在不同场景下的不同身体。智能可以在多个终端之间连续存在、自由迁移、协同完成任务。

未来的终端竞争,不再只是设备之争,而是谁能让智能体更好地感知环境、采取行动,真正进入物理世界。

第三,是新网络。

互联网时代,连接的是人、信息和服务;智能体时代,我们将还将连接能够理解目标、调度资源、协同工作的智能体。这就是 A2A 网络。

从产业视角看,这不仅一种通信协议,更是一张由 Agent 和人类共同构成的人机共生价值网络。未来,数十亿人、数百亿设备和智能体,都可能成为其中的节点,形成一个规模更大、协作效率更高的新型网络。

对创业者而言,这意味着新的产业机会:智能体会有自己的身份和信用。人们可以找到它、了解它擅长什么、把任务交给它,也可以根据它的表现付费、评价,以及与它合作。

当智能体能够自主寻找伙伴、组织协作、完成交易,A2A 就不再只是技术协议,而将成为智能体经济的基础设施。

但也正因为智能体正在进入组织、网络、设备和真实世界,我们必须看到:人机共生带来的,不只是能力跃迁,更是秩序重构。

当智能体开始代表人行动,我们必须回答三个问题:

    • 它可以代表谁行动?

    • 行动产生后果,谁来负责?

    • 当它连接数据、设备和真实环境,怎样确保身份可信、权限可控、行为可追溯?

过去,我们更多是在科幻作品中思考这些命题。今天,随着智能体走进现实,它们正成为必须真正面对的问题。

为此,阶跃正与图灵奖得主姚期智先生领衔的上海期智研究院开展前沿研究。我们也期待与全球专家学者一道,探索智能体时代新的技术体系、治理机制与社会契约。作为年轻一代 AI 创业者,我们既是这场技术浪潮的参与者和受益者,也是下一阶段秩序的共同建设者。我们有机会把智能从屏幕带入真实世界,也有责任让它更可信、更安全、更普惠,成为人类长期的伙伴。

Agent 时代最大的意义,不是替代人,而是放大人。它正在孕育新一代 AI Native 建设者,也催生新一代 AI Native 组织。

AI Native,不只是会用 AI,而是从第一天起,就把 AI 写进产品、系统和组织的基因里。对个人,它让一个人拥有一支团队的能力;对创业者,它意味着创造新产品、新组织,甚至一个全新的产业。

每一次技术革命,都会催生新一代伟大的企业。我们相信,人工智能时代的超级建设者,也一定会从 AI Native 组织中诞生,并由他们参与书写下一段产业历史。

最后,我想回到阶跃最朴素的使命:智能阶跃,十倍每个人的可能。

我相信,未来不是机器替代人的世界,而是人与智能共同进化的世界。

在 AI 行业的 15 年里,我觉得最有意思的地方是:技术还年轻,产业还年轻,很多问题还没有标准答案。大家不是在一条已经铺好的路上竞速,而是在一起把这条路修出来。

因此,我们这一代 AI 创业者要做的不只是创造更强的模型,更要让智能走进真实世界,成为每个人都能使用、都能信任的力量。

当智能体进入物理世界,每个人的可能,都将被十倍放大。

谢谢大家。

跳转微信打开

  •  
❌