一、Step-2 mini 的基本介绍

技术架构上，采用自主研发的新型注意力机制架构 MFA 及其变体 MFA-Key-Reuse，相比常用的 MHA 架构，节省近 94% 的 KV 缓存开销，推理速度更快，成本更低，在对响应速度要求高的场景优势明显。

二、Step-2 mini 的相关介绍

Step-2 mini 源于强大的 Step-2 语言模型，Step-2 于 2024 年表现出色，在指令遵从能力方面，在 LiveBench 的 IFAverage 测试中位列全球第五。
Step-2 采用的 MoE 架构通过选择性激活部分专家网络提升性能和计算效率。阶跃星辰选择从头开始训练的策略，虽难度大、资源投入高，但能提升模型性能上限。
Step-2 mini 继承了 Step-2 的优秀特质，并在参数量、性价比、生成速度等方面改进优化，MFA 架构与 MoE 架构分别在推理速度和整体性能上做出贡献。

三、Step-2 mini 的应用场景

（一）文本生成相关应用

可用于快速生成文字内容的场景，如撰写新闻简讯、商业文案、创意写作等。

（二）交互领域

适用于智能聊天机器人开发或优化，如小型在线客服、社交聊天 APP、在线教育平台的智能答疑等。

（三）作为基础模块协助其他系统

可嵌入其他软件系统或工作流程，如自动化文档处理、智能写作辅助工具、代码批注生成等。

四、Step-2 mini 的使用方式

用户可在阶跃星辰开放平台调用其 API 接口使用，按规定输入数据并接收输出，输入按 1 元 / 百万 token 计费，输出按 2 元 / 百万 token 付费。使用时要合理评估输入任务，参考官方开发文档掌握准确方法。

五、Step-2 mini 的优缺点

（一）优点

1. 性价比高
   适合预算有限的小型企业、创业团队和个人开发者，以低成本获得较好的语言处理能力。

2. 生成速度快
   在实时性要求高的场景如实时聊天和新闻编写中表现出色，能及时回复和快速出稿。

3. 推理成本低
   采用的架构节省 KV 缓存开销，降低计算开销，能应对更多交互请求。

（二）缺点

1. 参数量有限带来的性能局限
   处理高度复杂和深度推理任务时可能吃力，如复杂学术研究论文创作。

2. 可能不太适合大规模深度定制
   相对紧凑的结构和性能设定，可能不适合企业级大型定制项目。