Step3-VL-10B

Fiche modèle · StepFun · step3-vl-10b

STEP3-VL-10B is a lightweight open-source foundation model designed to redefine the trade-off between compact efficiency and frontier-level multimodal intelligence. Built on a unified, fully unfrozen pre-training strategy on 1.2T multimodal tokens integrating a language-aligned Perception Encoder with a Qwen3-8B decoder. Features Parallel Coordinated Reasoning (PaCoRe) to scale test-time compute for complex perceptual reasoning.

Fiches modèles

Identité

Organisation	StepFun
Pays	—
Famille	—
Type	llm
Date de sortie	2026-01-15
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	65 536
KV cache / token (Q8)	73.7 ko/token
Paramètres totaux	10 B
Paramètres actifs (session)	10.2 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (stepfun-ai/Step3-VL-10B)) ; total : config Hugging Face (stepfun-ai/Step3-VL-10B)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	1 200 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:39.687711Z
Mis à jour le	2026-11-04T06:05:12.560967Z
Source	LLM Stats
URL	https://llm-stats.com/models/step3-vl-10b

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.60
math	0.80
multimodal	0.80
reasoning	0.80
general	0.80
healthcare	0.80
communication	0.60
vision	0.80

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.88	1.00	0.88	non	oui	2026-11-04T06:05:12.576383Z
mathvision	math	0.71	1.00	0.71	non	oui	2026-11-04T06:05:12.570300Z
mathvista	math	0.84	1.00	0.84	non	oui	2026-11-04T06:05:12.567187Z
mmbench	vision	0.92	1.00	0.92	non	oui	2026-11-04T06:05:12.573451Z
mmmu	multimodal	0.78	1.00	0.78	non	oui	2026-11-04T06:05:12.564250Z
multichallenge	chat	0.63	1.00	0.63	non	oui	2026-11-04T06:05:12.579337Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	32	0.60	22.79	1	trueskill	2026-11-04T08:08:43.789169Z	rankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04