Step-Omni
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- StepFun
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 18 February 2025
- Autori
- Ailin Huang, Boyong Wu, Bruce Wang, Chao Yan, Chen Hu, Chengli Feng, Fei Tian, Feiyu Shen, Jingbei Li, Mingrui Chen, Peng Liu, Ruihang Miao, Wang You, Xi Chen, Xuerui Yang, Yechang Huang, Yuxiang Zhang, Zheng Gong, Zixin Zhang, Hongyu Zhou, Jianjian Sun, Brian Li, Chengting Feng, Changyi Wan, Hanpeng Hu, Jianchang Wu, Jiangjie Zhen, Ranchen Ming, Song Yuan, Xuelin Zhang, Yu Zhou, Bingxin Li, Buyun…
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Speech, Language, Multimodal, Vision
- Compito
- Speech synthesis, Speech recognition (ASR), Speech-to-text, Text-to-speech (TTS), Audio question answering, Audio generation, Image captioning, Visual question answering, Speech-to-speech
- Modello di base
- Step-1
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 130B
- Dati di addestramento
- 2,468,000,000,000 tokens
130B
1.1 trillion tokens of audio continuation data (approximately 7,300,000 hours) + 113 billion tokens of TTS (about 700,000 hours) + 105 billion tokens of ASR data (around 650,000 hours) + 350 billion tokens of audio-text alternating data (approximately 2,000,000 hours) + 800 billion tokens of tokens of image-text paired/alternating data = 2468 billion tokens
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 2.5 × 10²⁴ FLOP
- Come è stato stabilito
- Operation counting
base LLM 6.24e+23 FLOP + 6 FLOP / parameter / token * 130*10^9 parameters * 2468000000000 tokens [see training dataset size notes] = 6.24e+23 FLOP + 1.92504e+24 FLOP = 2.54904e+24 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA H800 SXM5
- Utilizzo dell'hardware
- MFU 35.0%
"We train Step-Omni on thousands of H800 GPUs with 35% Model Flops Utilization (MFU)."
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Step-Audio: Unified Understanding and Generation in Intelligent Speech Interaction
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
Step-Omni è stato pubblicato da StepFun, nel paese registrato come China, durante February 2025. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Speech, Language, Multimodal, Vision, ed è registrato come eseguire il compito di speech synthesis, Speech recognition (ASR), Speech-to-text, Text-to-speech (TTS), Audio question answering, Audio generation, Image captioning, Visual question answering, Speech-to-speech.
Il suo punto di partenza era un modello di base esistente, Step-1. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 2.5 × 10²⁴ FLOP, su hardware registrato come NVIDIA H800 SXM5. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 2,468,000,000,000 token di testo
Risposte
Step-Omni — domande comuni
Step-Omni— A cosa serve?
Funziona nel dominio di Speech, Language, Multimodal, Vision, e viene registrato come gestire il compito di speech synthesis, Speech recognition (ASR), Speech-to-text, Text-to-speech (TTS), Audio question answering, Audio generation, Image captioning, Visual question answering, Speech-to-speech. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Step-Omni— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.5 × 10²⁴ FLOP, su hardware registrato come NVIDIA H800 SXM5. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Step-Omni— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Step-Omni— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Step-Omni— quanti parametri ha?
Ha un numero di parametri di 130B. 130B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Step-Omni— chi l'ha creato?
È stato pubblicato da StepFun, basato su China, un'organizzazione categorizzata come industry.
Step-Omni— quando è stato rilasciato?
È stato pubblicato in February 2025.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.