阶跃星辰7月12日发布Step Edge端侧模型全家桶，包含基础模型、Audio、GUI、Gen四款产品，把"端云协同"作为完整产品形态打包交付，而不只是单点demo。 端侧模型的关键挑战不是把模型做小，而是在功耗、延迟、隐私三个约束下依然可用。Step Edge把工具调用本地延迟压到0.1秒，配合自研Step Inference NPU引擎：1024 token文本输入延迟4.33秒、768分辨率图像识别5.61秒、30秒语音交互10.7秒，Prefill TPS峰值1395次/秒。车载语音、屏幕操控这类Agent场景可以在终端真正落地，不再依赖云端往返。 更值得注意的是阶跃把模型做成了Pro+Flash+Edge三档分层：云端Pro跑复杂推理，Flash支撑高频工作流，端侧Edge承担本地执行。以整理发票为例，Edge先在本地完成语音识别和图像分类，跨年度账目比对才调用Pro——分层既保效率，也把隐私数据留在终端。 测试成绩上，Step Edge基础模型在16项终端任务指标中以62.92分领跑，GUI模型在OSWorld评测中位居榜首，官方称29项核心指标均位列第一。OSWorld榜单此前由Gemini 3.5 Flash等海外旗舰把持，国产GUI Agent首次进入第一梯队——它意味着Agent操作系统不再是云端专属。 行业层面，端云协同正在成为Agent落地的标准范式：Apple Intelligence靠端侧模型保隐私，Google把Gemini Nano塞进Pixel，Anthropic也提出分层推理思路。阶跃把"Pro+Flash+Edge"从概念变成现成产品套件，对手机厂商、车企来说是降低Agent集成门槛的捷径。 下一战场不在模型本身而在硬件协同。Step Inference NPU引擎面向终端芯片做了底层优化，Apple找PrismML压1-bit Qwen也是同一条逻辑的不同表达——谁能把模型、推理引擎、芯片三层打通，谁就能定义端侧Agent的下一个标准。