StepFunはテキストだけでなく画像生成・動画生成・音声対話まで含む幅広いモダリティの基盤モデルを10か月間で11種類公開しており、単一のテキストLLMに留まらないモダリティ横断の展開が特徴です。
中国のマルチモーダルLLMを比較したい相談
テキスト・画像・動画・音声を横断する幅広いモデル展開