Step-R1-V-Mini是阶跃星辰于2025年4月推出的新一代多模态推理模型，代表了国产多模态AI技术的重大突破。该模型采用多模态联合强化学习框架，基于PPO（近端策略优化）强化学习算法，引入可验证奖励机制提升模型鲁棒性。通过合成数据训练解决了传统方法中的模态能力不平衡问题，在保持通用能力的同时，特别擅长处理需要跨模态理解的复杂推理任务。

模型在技术架构上实现了视觉、文本和推理能力的深度融合，能够构建分步推理链并进行自我验证，显著提升了多模态任务的准确性和可靠性。其创新性的训练方法结合了冷启动数据微调与强化学习，逐步提升模型在不同模态任务中的表现。

阶跃星辰Step 3是上海AI独角兽阶跃星辰于2025年发布的新一代基础大模型，作为公司首个全尺寸、原生多模态推理模型，具备强大的视觉感知和复杂推理能力。该模型在解码效率上达到同类顶尖产品的三倍，显著降低推理成本。Step 3能够准确完成跨领域的复杂知识理解、数学与视觉信息的交叉分析，以及日常生活中的各类视觉分析问题。

技术原理上，Step 3延续了阶跃星辰"多模态卷王"的基因，支持多模态推理能力，不仅能理解图片和视频，还能理解图片背后的逻辑。未来应用趋势将聚焦于强智能、低成本、可开源和多模态四个特征，推动大模型技术迈向推理时代。

Doubao-Seed-Code是字节跳动火山引擎推出的首款专为Agentic编程任务深度优化的编程大模型。该模型采用大规模Agent强化学习训练系统，基于覆盖10万容器镜像的训练数据集，在端到端沙盒环境中进行评测，具备万级并发沙盒session能力和千卡GPU集群并行训练能力。

模型通过纯强化学习训练路径实现SOTA级别性能，无需蒸馏或标注的冷启动数据，在SWE-Bench-Verified官方榜单中刷新了最佳成绩，展现出强大的泛化能力和真实软件工程场景下的潜力。