导读：阶跃星辰刚刚开源了一款名为STEP3-VL-10B的视觉语言模型，仅用100亿参数，在多项权威基准测试中，不仅超越了GLM-4.6V（106B参数）和Qwen3-VL（235B参数），甚至还能与Gemini 2.5 Pro、Seed-1.5-VL等顶级闭源旗舰模型一较高下。更令人震惊的是，它在AIME数学竞赛测试中接近满分，在编程测试中遥遥领先。

阶跃星辰（StepFun）正式发布了STEP3-VL-10B，一款仅需100亿参数即达到业界领先性能的开源SOTA视觉语言模型。这款模型彻底颠覆了"参数越大越强"的传统认知，用实力证明了高质量数据和精妙架构才是制胜关键。

官方数据显示，STEP3-VL-10B在多项权威基准测试中：MMMU、MathVision、MathVista等综合评测中，平均得分达到85.2分，与拥有235B参数的Qwen3-VL（84.1分）基本持平，甚至略微领先。更重要的是，它在AIME 2025数学竞赛测试中取得了94.4分的惊人成绩，接近满分水平，展现出精英级的推理能力。

为了更直观地展示STEP3-VL-10B的实力，我们来看一组对比数据：

平均基准测试得分（MMMU、MathVision、MathVista、MMBench中英双语）：

• Gemini 2.5 Pro：85.5分
• Step3-VL-10B (PaCoRe)：85.2分 ✅
• Qwen3-VL (235B-A22B)：84.1分
• Seed-1.5-VL：83.5分
• GLM-4.6V (106B-A12B)：81.4分

没错，你没有看错！这款仅有10B参数的开源模型，在综合性能上已经能够与Gemini 2.5 Pro这样的顶级闭源旗舰模型掰手腕，更是将GLM-4.6V（106B-A12B）和Qwen3-VL（235B-A22B）等百亿级巨头甩在身后。

在具体细分领域，STEP3-VL-10B的表现更加亮眼：

• 数学推理（AIME 2025）：94.4分，远超Qwen3-VL-Thinking的83.6分和Gemini 2.5 Pro的84.0分
• 编程能力（LiveCodeBench）：76.43分，是GLM-4.6V-Flash（48.71分）的1.5倍以上
• 2D/3D空间理解（BLINK/CVBench/OmniSpatial）：全面击败同规模模型
• 多模态理解（MMMU）：80.1分，超越78.7分的Qwen3-VL-Thinking（235B-A22B）

那么，STEP3-VL-10B究竟是如何用100亿参数实现如此强大性能的呢？答案在于其三大核心创新：

1. 超大规模预训练：1.2万亿tokens全参数训练

STEP3-VL-10B采用了单阶段、全参数解冻的预训练策略，总计使用1.2T tokens进行训练，相当于370K次迭代。通过900B + 300B两个阶段的渐进式训练，模型积累了海量的多模态知识。

2. 强化学习：超过1400次迭代

在强化学习阶段，团队进行了超过1400次RL迭代，包括：

• 600次RLVR（基于结果的强化学习），覆盖数学、几何、物理、感知等任务
• 300次RLHF（人类反馈强化学习），优化开放式生成能力
• 500次PaCoRe训练，实现并行协调推理

3. 创新架构：PaCoRe技术实现动态资源分配

STEP3-VL-10B引入了创新的Parallel Coordinated Reasoning (PaCoRe) 技术，能够实现动态计算资源分配，让模型在处理复杂任务时更加高效灵活。这种架构设计让10B参数的小模型能够完成原本需要千亿参数才能胜任的推理任务。

STEP3-VL-10B用100亿参数证明了：规模并非一切，高质量数据和精妙架构才是制胜关键。复杂的多模态推理任务，现在可以在任何设备上轻松运行。

正如官方所说："我们证明规模并非一切。凭借高质量的目标数据和系统化的后训练，100亿模型也能与业界巨头一较高下。"

目前，STEP3-VL-10B已经在HuggingFace、ModelScope、GitHub等平台开源，提供了基础版和思考版两个版本供开发者使用。官方主页还提供了详细的论文链接和技术文档。

官方资源：

• 主页：https://stepfun-ai.github.io/Step3-VL-10B/
• 论文：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

参考资料：https://stepfun-ai.github.io/Step3-VL-10B/