StepFun Step Edge 端末向けフルラインナップ:0.1秒のローカル Agent 呼び出し
StepFun が Step Edge 端末向けモデルファミリーを発表。ベース/Audio/GUI/Gen の4種を含み、スマホや車載シーンを主眼に、ローカル toolcall は最速 0.1秒、機密データは端末外に出ません。


StepFun Step Edge 端末向けフルラインナップ:0.1秒のローカル Agent 呼び出し
StepFun が Step Edge 端末向けモデルファミリーを発表。ベース/Audio/GUI/Gen の4種を含み、スマホや車載シーンを主眼に、ローカル toolcall は最速 0.1秒、機密データは端末外に出ません。
7月12日、StepFun(階躍星辰)は Step Edge 端末向けモデルフルラインナップ を発表し、Agent をクラウドからスマホや自動車などの端末へ押し出しました。このモデルセットが掲げるのは3つのことです。ローカル toolcall が 0.1秒、全モダリティのデータが端末外に出ない、端末とクラウドのネイティブ協調。アプリの利用シーンが遅延やプライバシーに敏感な場合(車載音声やスマホアシスタントなど)、注目に値する端末向けソリューションです。
4つのモデルがそれぞれ担うこと
Step Edge は単一モデルではなく、端末シーンに向けたファミリーです:
- Step Edge(ベースモデル):端末向けの汎用理解と実行の基盤
- Step Edge Audio:ローカル音声処理
- Step Edge GUI:端末 GUI Agent。画面を理解してインターフェースを操作
- Step Edge Gen:端末でのコンテンツ生成
4つのモデルが、端末インテリジェンスで最も一般的な4系統の能力をカバーします。画面を見て操作する、音声を聞き取る、コンテンツを生成する、汎用推論です。テキスト、画像、音声などのマルチモーダル情報をどれもローカルで処理できます。
3つの中核特性
超低ローカル遅延
端末ローカルの toolcall(ツール呼び出し)実行は最速 0.1秒 です。単純で高頻度のタスクはローカルでリアルタイム応答でき、毎回クラウド経路を通る必要がありません。これは車載やスマホアシスタントといった「即答」が必要なシーンで非常に重要です。
全モダリティのプライバシー保護
テキスト、視覚、音声などのマルチモーダル情報をローカルで処理し、機密データは端末外に出ません。スマホ内の写真や連絡先、車内カメラ/マイクのデータといった強プライバシーシーンに特に適しています。
ネイティブな端末クラウド協調
単純な「端末 OR クラウド」の二択ではなく、タスクの複雑さで分担します:
- 単純タスク / 低速回線・オフラインのタスク:端末で高速応答
- 複雑推論 / 長いリンクのタスク:クラウドへ委ねる
目指すのは速度・能力・コストの3つの全体バランスで、端末のために能力を犠牲にしたり、能力のために遅延を犠牲にしたりするものではありません。
付属の推論エンジン
Step Edge には Step Inference NPU エンジン が付属し、端末ハードウェア向けに推論最適化を行い、テキスト、視覚、音声など多様な入力形態でエンドツーエンド遅延をさらに下げます。つまりモデル自体が端末向けに設計され、推論エンジンは具体的なハードウェアに対して協調最適化されています。
適用シーン
Step Edge の対象となる端末シーンは明確です:
- スマートフォン:写真で何でも質問、AI アシスタントのスマート応答、マルチモーダル検索。機密データはローカル処理
- スマートカー:車外環境の認識、パーソナライズされたインタラクション。低速回線でも車載システムが応答可能
- その他の IoT 端末:遅延、プライバシー、オフライン能力が求められるあらゆるデバイス
注目すべきは、StepFun がすでに Step-GUI Edge(スマホで実用化できる初のオープンソース端末 GUI Agent)を公開しており、Step Edge フルラインナップは端末能力の体系化された統合と見なせることです。
開発者が注目すべき点
StepFun オープンプラットフォーム(platform.stepfun.com)がモデル接続の入口です。端末開発者にとっての注目点は次のとおりです:
- NPU エンジンとハードウェア適応:Step Edge はモデル重みだけでなく、モデル + 推論エンジンのパッケージ方案です。導入時には対象ハードウェアの適応状況の確認が必要
- 端末クラウド協調のエンジニアリングインターフェース:アプリ層で「このタスクは端末かクラウドか」をどう判断するかが、体験の良し悪しを決める
- クラウドの Step シリーズとの関係:端末の Step Edge とクラウドの Step 3.7 Flash などのモデルをどう組み合わせるかが、端末クラウド協調ソリューションの鍵
StepFun は7月13日(発表翌日)に新製品発表会を開催予定で、端末向け導入の詳細や、初の AI インテリジェントエージェントスマホなど、具体的な製品情報がさらに出ると見込まれます。
一次ソース:
関連記事

Lovart:AI駆動のひとりブランド部門
LovartのBrand Kit機能は、ブランドマニュアルの自動解析、ブランド専用フォントの生成、トーンの統一されたビジュアル素材の一括出力に対応。月額340元から。

Qwen表計算Agent:会話でExcelを生成する完全ガイド
Qwenに新登場した表計算Agentは、会話でのExcel生成、写真からの表変換、Web検索で資料を集めての表作成に対応。全チャネル無料で、誰でもすぐに使い始められます。

CLAUDE.mdルール体系でAgentと効率的に協働する
グローバルとプロジェクト単位のCLAUDE.mdファイルで制約体系を構築し、Claude CodeなどのAgentツールを開発プロジェクトで一貫した行動規範とコード品質に保つ方法を解説します。

AI動画販売の実践:3元のコストで5万ドルGMVを作る
0から7桁の売上まで到達したAI TikTok販売の完全な道のりを公開。Sora 2などのモデル選定比較、ヒット動画を逆算分解する手法、パラメータ化した量産フロー、そして十数万元を損した3つの重要な教訓を紹介します。

AlibabaのMeoo(秒悟):ノーコードAI開発ツールを実測
AlibabaのATH事業群が初のAI開発ツールMeooをリリース。自然言語で完全にデプロイ可能なプロジェクトを生成でき、Qwen/Kimi/GLM/MiniMaxの4大モデルを統合。無料ユーザーには毎月5000クレジットが付与されます。