阶跃发布Step 3模型，智能通话实测，很牛！

主要观点总结

本文介绍了一款阶跃的智能视频通话的多模态能力，具有快速响应、准确识别画面内容和一定的推理能力。这些表现背后与其新发布的Step-3技术有关，该技术通过模型-系统协同设计实现了高效的解码效率和成本效益。在Hopper GPU上测试显示，Step-3的解码吞吐量远高于DeepSeek-V3。

关键观点总结

关键观点1: 阶跃的智能视频通话的多模态能力强大

智能视频通话具有快速响应、准确识别画面内容和一定的推理能力。

关键观点2: 阶跃新发布的Step-3技术解码效率高

Step-3通过模型-系统协同设计实现了高效的解码效率和成本效益，其中在Hopper GPU上的解码吞吐量达到了惊人的4039 tokens/s/GPU。

关键观点3: 阶跃的注意力和FFN部署方式独特

他们将注意力和FFN分别部署在不同GPU组，采用高效的流水线和通信机制，实现了低延迟高吞吐。