Company
StepFun
Built its own StepCrawl to crawl trillions of web pages and e-books; suppliers and licensing both undisclosed
Overview
- Founded: 2023
- HQ: Shanghai
- Links: https://www.stepfun.com; https://arxiv.org/abs/2602.10604
This profile was compiled from the AI training-data column cards (LLM); each column's data view is shown below under "Data profile" (in Chinese).
Data profile · 大模型
阶跃星辰 StepFun
自建 StepCrawl 爬取万亿级网页与电子书，供应商与授权均未披露
- 数据类型
- 自爬网页；ePub/PDF；GitHub PR/Issue；合成数学代码；可验证 RL
- 规模口径
- Step 3.5 Flash 17.2T token（公司口径）
数据路线一句话
一手信息集中在语料侧：自建 StepCrawl 爬取，辅以代码托管数据与合成数据；后训练细节披露有限。
六层明细
- L1 语料：Step 3.5 Flash 17.2T token；StepCrawl 自建爬取"trillions"高质量 token（网页加 ePub/PDF）；代码用改良 OpenCoder 流程，取 10+ star 仓库的 PR/Issue/Commit [1]。Step-3 的 ">20T 文本 + 4T 图文"仅见托管平台页面（媒体口径 ⚠️）[2]。
- L2 授权：未披露。
- L3 人工：未披露；SFT 汇总社区 prompt、专家回答与合成数据。
- L4 RL 环境：可验证奖励加人类偏好反馈，规模未披露。
- L5 合成蒸馏：含合成或半合成的数学、代码、科学、agent 数据，占比未披露。
- L6 回流政策：未披露。
自建与供应商
自建为主。公司未上市，未查到招股书，无一手采购披露；外采供应商与合同均未查到。
反向供给与争议
HF 上有 StepFun-Formalizer-Training（Apache-2.0，含 NuminaMath-Formal-SFT-183K 与 RL-6K）、NextStep-data、PaCoRe-Train-8k [3]。未查到针对阶跃的蒸馏指控。
Last compiled: 2026-10-15