AI不能只活在云端。阶跃星辰刚刚发布的Step Edge端侧模型全家桶，正在将这一理念变为现实。这次上新包含4款模型，覆盖文本视觉、语音理解、屏幕操作和图像生成，直接补齐了Agent在终端本地执行的关键拼图。当老黄预言AI将进入每一个终端设备时，阶跃星辰用Step Edge给出了自己的答案——端云协同，重构手机与车机的智能体验。Step Edge并非单一模型，而是一个完整的端侧模型家族。基础模型负责文本与视觉理解，Audio模型强化语音交互，GUI模型专注屏幕理解和界面操作，Gen模型则支持端侧图像生成与编辑。在16项指标的benchmark测试中，Step Edge综合平均分达到62.92，位列对比组第一，尤其在GUI Grounding、工具调用、App Agent等指标上大幅领先。其GUI模型在OSWorld评测中取得对比组第一，这种屏幕理解和控件定位能力，正是支撑终端Agent从被动回答走向主动操作的核心基建。端侧模型的竞争早已超出算法层面，变成模型、推理引擎和终端硬件协同优化的系统工程。阶跃星辰为此自研了Step Inference NPU引擎，相较于开源社区的llama.cpp方案，展现出极具商业可用性的响应速度：1024 token文本输入延迟仅4.33秒，看一张768分辨率图片延迟5.61秒，30秒语音输入延迟10.7秒，Prefill TPS最高达到1395。这意味着在车载环境中，即便有风噪和胎噪，本地语音Agent也能实现听清、听懂、秒回，且数据无需上云，这正是各大车企梦寐以求的智能化底座。Step Edge的发布，让阶跃星辰正式完成模型布局中最关键的最后一环，形成完整的Pro+Flash+Edge协同体系。云端Pro模型负责高难度推理和复杂规划，Flash模型强调速度和成本，而Edge模型作为本地执行层，负责实时的环境感知、GUI操作和隐私数据处理。当用户对着手机说帮我把刚才拍的发票整理报销时，Edge模型在本地瞬间响应语音、调用系统相册识别发票，随后轻量级的核心任务在云端协同完成。这种端云协同的架构，正在彻底改变终端AI应用的使用成本结构和隐私保护模式。