Un éditeur chinois de modèles fondamentaux couvrant texte, vision, image et voix
StepFun est une entreprise chinoise d’intelligence artificielle fondée par Jiang Daxin, ancien cadre de Microsoft. Établie à Shanghai, elle développe des modèles fondamentaux avec l’ambition de faire progresser l’intelligence artificielle générale. Son positionnement associe recherche à grande échelle, développement de produits et prise en charge de plusieurs modalités, notamment le texte, l’image et l’audio.
Dans le catalogue, son offre réunit les modèles de langage Step-3.5-Flash et StepFun: Step 3.7 Flash, le modèle vision-langage Step3-VL-10B, l’outil de retouche Step Image Edit 2 et le système de synthèse vocale StepAudio 2.5 TTS. Cette sélection illustre une stratégie diversifiée, allant de la génération textuelle à la compréhension visuelle et à la création multimédia. Elle combine des modèles à poids ouverts autorisant un usage commercial avec d’autres modes de diffusion, tout en proposant une fenêtre de contexte particulièrement étendue.
Ces modèles ciblent notamment les assistants conversationnels, l’analyse de documents et d’images, la production de contenus visuels, ainsi que les applications vocales.
