终于等到开源好用的修图大模型了！阶跃模型三连发，卷疯了多模态赛道
终于等到开源好用的修图大模型了！阶跃模型三连发，卷疯了多模态赛道最近在看 Agent 方向的论文和产品，已经被各种进展看花了眼。但我发现，真正能超越 demo，能在 B 端场景扎实落地的却寥寥无几。
来自主题: AI技术研报
7076 点击 2025-04-28 16:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
最近在看 Agent 方向的论文和产品，已经被各种进展看花了眼。但我发现，真正能超越 demo，能在 B 端场景扎实落地的却寥寥无几。
阶跃星辰正式发布并开源图像编辑大模型 Step1X-Edit，性能达到开源 SOTA。该模型总参数量为 19B (7B MLLM + 12B DiT)，具备语义精准解析、身份一致性保持、高精度区域级控制三项关键能力；支持 11 类高频图像编辑任务类型，如文字替换、风格迁移、材质变换、人物修图等。
近年来，大语言模型 LLMs 在多种任务上的卓越表现已得到广泛认可。然而，要实现其高效部署，精细的超参数优化至关重要。为了探究最佳超参数的规律，我们开展了大规模的实证研究，通过在不同配置上进行网格搜索，我们揭示了一套通用的最优超参数缩放定律（Optimal Hyperparameter Scaling Law）。
前几天，朋友跟我报了个猛料：苹果电脑上的可以用AI了。而另一位朋友，则带来了更为准确的消息：M2 Ultra 版本的 Mac Studio，已原生适配阶跃星辰模型全家桶，这应该是第一个全面适配苹果 Mac 设备的中国大模型厂商。
回应DeepSeek，阶跃星辰亮出“三件套”：开源，多模态推理，AI Agent。
刚刚，阶跃星辰联合吉利汽车集团，开源了两款多模态大模型！新模型共2款：全球范围内参数量最大的开源视频生成模型Step-Video-T2V行业内首款产品级开源语音交互大模型Step-Audio多模态卷王开始开源多模态模型，其中Step-Video-T2V采用的还是最为开放宽松的MIT开源协议，可任意编辑和商业应用。
最近这帮人我也不知道是因为啥，连续聊了3天跃问了，就是阶跃星辰那个手机APP。一直看我文章的老粉丝可能知道，跃问在我这儿一直都是iPhone16的AI识图启动器，但是我自己确实已经有段时间没去深度体验了。
视觉版o1的初步探索，阶跃星辰&北航团队推出“慢感知”。研究人员认为：1）目前多模领域o1-like的模型，主要关注文本推理，对视觉感知的关注不够。2）精细/深度感知是一个复杂任务，且是未来做视觉推理的重要基础。
我宣布，今年除夕夜拿春晚当BGM，但手里正儿八经真正在做的事，已经有了！
我勒个老天奶，大模型六小强之一的阶跃星辰，给大家拜早年的方式可真不一样——