StepStellar推出高性价比深度研究模型Step-DeepResearch
近日，Stepfun（步趣）正式开源了一款名为Step-DeepResearch的新型深度研究模型。该模型专注于在开放研究环境中进行自主信息探索和专业报告生成。
核心特性与性能
- 参数规模：320亿参数。
- 研究能力：其深度研究能力接近OpenAI的o3-mini、Gemini 2.0 Flash等顶级商业模型。
- 成本优势：部署成本仅为传统模型的十分之一，单次调用成本低于0.5元人民币，具有显著的成本效益。
技术架构与设计理念
Step-DeepResearch的设计理念独特，其核心是将复杂的科研任务分解为多个可训练的“原子能力”，例如：
- 规划
- 信息检索
- 反思
- 交叉验证
通过这种方式，模型实现了闭环反思和动态校正，不仅增强了在复杂环境中的适应性，也提升了泛化性能。
训练过程与评估表现
模型的训练过程经过精心设计，涵盖了从智能体中期训练到监督微调，再到强化学习的完整流程，以确保在复杂实际应用中的优异表现。
在多项基准测试中，Step-DeepResearch展现出强大实力：
- Scale AI Research Rubrics：获得61.4的高分，与OpenAI Deep Research、Gemini Deep Research等更大规模的模型表现相当。
- ADR-Bench专家评估：其Elo评分显著高于许多竞争对手，证明了其在深度研究领域的强劲能力。
科研工作流支持
为支持科研工作流程，Step-DeepResearch采用了基于ReAct范式的单智能体架构，具备推理、行动、反思的动态循环。通过其内部专有工具集，系统能够高效执行：
- 批量网络搜索
- 文件管理
- 交互式命令执行
这为研究人员提供了极大的便利。
总结
Step-DeepResearch作为一款最新开源的深度研究模型，凭借其接近顶级商业模型的能力、仅为传统模型十分之一的成本、独特的训练流程和动态循环架构，为科学研究提供了高效的支持。
