阶跃星辰Step-1o重大升级，多模态视觉双榜夺冠，国内第一！

Step-1o Vision：更精准，更智能

除了最基础的识别和感应之外，对于图片里极其微小但很重要的视觉细节，Step-1o Vision 的理解也不在话下。

• Step-1o Vision 注意到了 Step-1.5v 遗漏的红色部分（红圈超出黑线），并准确解读出其代表“探索和扩展人类知识边界”的含义，体现了更深入的视觉信息提取和推理能力。
• 对蓝色部分（红圈虽小但更接近知识前沿）的解读也更准确，将“相对较小”和“更接近前沿”联系起来，说明了博士研究的专精和前瞻性。
• 模型还额外识别了图中没有提到的圆形这个关键信息，并对其进行了正确的解读。

在下面这张图中，模型能通过表格、logo 等元素精准识别出对应的软件工具，并理解了其中黑色幽默的表达方式，将软件分成了五个等级，还对每个层级的软件进行了介绍。体现了模型优秀的图表识别、图像识别和理解能力，并能结合常识对这些软件的特点进行总结说明。其中，模型成功识别了几个较小的软件图标（例如 Apache OpenOffice 和 LaTeX），表现非常出色。

Step-1o Audio：情绪丰富、个性表达

去年底，我们发布了国内首个千亿参数端到端语音大模型 Step-1o Audio ，一个月后，Step-1o Audio 迎来多项提升，在情绪感知与理解、多语种和多方言、通话体验上有了新的突破。

话不多说，一起来听听看。

Step-1o Audio 能够精准识别用户语气语调中蕴含的情绪信息，并结合语境，深度理解用户的情感需求，给出最佳回应。

相亲成功，见证幸福：在人生的重要时刻，Step-1o Audio 是个永远不会扫兴的朋友。不仅能分享你的喜悦，还能恰如其分地提问，倾听你的故事。