STEP3-VL-10B 多模态视觉语言模型

简介

STEP3-VL-10B 是阶跃星辰（StepFun）开源的轻量级多模态基础模型，拥有 10B 参数量，具备出色的视觉感知、复杂推理和人类对齐能力。

• 在多个多模态评测基准上达到 10B 参数级别最优表现
• 可媲美或超越 10-20 倍参数量 的大模型（如 GLM-4.6V、Qwen3-VL-Thinking、Gemini 2.5 Pro）
• 支持图片理解、OCR、GUI 交互、空间理解等多种任务

核心能力

硬件要求

使用方式

1. 镜像默认已使用 Supervisor 自动启动服务webui 可以直接打开访问

在我的算力服务器右侧导航快速访问

webui端口 7860
点击后会打开类似如下地址(每台服务器地址不同):
https://gpu-pod699d9da7a426640397bd2855-7860.web.gpu.csdn.net/

Supervisor 自动启动服务管理

# 停止服务
supervisorctl stop webui
 
# 停止所有服务
supervisorctl stop all
 
# 查看服务状态
supervisorctl status
 
# 重新启动服务
supervisorctl start webui
 
# 重启服务
supervisorctl restart webui

如果要更换端口，可以修改
/usr/local/bin/start-webui-service.sh

source /Step3-VL-10B/venv/bin/activate

echo "Starting Step3-VL-10B webui service..."

exec python /root/Step3-VL-10B/webui.py \
  --host 0.0.0.0 \
  --port 7860

2. Gradio WebUI

Supervisor 已自动启动服务，也可以手动执行

cd ~/Step3-VL-10B
source /Step3-VL-10B/venv/bin/activate
python3 webui.py --host 0.0.0.0 --port 7860

浏览器访问 https://gpu-pod699d9da7a426640397bd2855-7860.web.gpu.csdn.net/
可使用图片上传和对话功能。

3. API 服务（OpenAI 兼容）

调用示例:
https://gpu-pod699d9da7a426640397bd2855-7860.web.gpu.csdn.net
换成你的csdn算力服务器地址

 curl -X POST https://gpu-pod699d9da7a426640397bd2855-7860.web.gpu.csdn.net/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Step3-VL-10B",
    "messages": [{"role": "user", "content": "你好"}],
    "max_tokens": 1024
  }'

调用示例2:

curl -X POST http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Step3-VL-10B",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "image_url", "image_url": {"url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"}},
          {"type": "text", "text": "描述这张图片"}
        ]
      }
    ],
    "max_tokens": 1024
  }'

相关链接

• GitHub: https://github.com/stepfun-ai/Step3-VL-10B
• HuggingFace: https://huggingface.co/stepfun-ai/Step3-VL-10B
• ModelScope: https://modelscope.cn/models/stepfun-ai/Step3-VL-10B
• 论文: https://arxiv.org/abs/2601.09668
  License: Apache 2.0