Die Geschichte von StepFun
Vom Microsoft-Ausstieg Jiang Daxins über das erste Billionen-MoE eines China-Startups und die offenen Flash-Modelle bis zu Step 5 Preview und dem Hongkong-IPO-Kurs — die Chronik des „Tiger“-Startups aus Shanghai.
Die Chronik in Kapiteln
Rauten sind Schlüsselmomente. Ein Klick springt zur Stelle in der Zeitleiste; beim Scrollen läuft die Marke mit.
Köpfe
Die Menschen, die StepFun gegründet haben und seit 2026 gemeinsam führen. Porträts nur mit freier Lizenz; wo keine existiert, steht das Schriftzeichen des Familiennamens.
Jiang Daxin 姜大昕
Gründer und CEO seit 2023Arbeitete 16 Jahre bei Microsoft, zuletzt als Global Vice President und Chief Scientist des Software Technology Center Asia, und gründete StepFun im April 2023 in Shanghai. Seit dem Umbau 2026 verantwortet er die Modell-Linie.
Yin Qi 印奇
Chairman seit Januar 2026Mitgründer und früherer CEO des Bilderkennungs-Unternehmens Megvii und Chairman des Geely-nahen Fahrassistenz-Anbieters Qianli Technology. Als Chairman von StepFun treibt er seit 2026 die Geräte-Strategie mit eigenem Smartphone und Agent OS voran.
Zhang Xiangyu 张祥雨
Chief Scientist seit 2023Ist Mitautor von ResNet, einer der meistzitierten Arbeiten der Informatik, und forschte vor StepFun bei Megvii. Bei StepFun verantwortet er die Algorithmen.
Zhu Yibo 朱亦博
Mitgründer und CTO seit 2023Leitete zuvor die KI-Infrastruktur bei ByteDance und arbeitete davor bei Google. Bei StepFun verantwortet er die Systemtechnik für Training und Betrieb der Modelle.
Konfidenz-Kennzeichnung
- ✅ Faktum (belegt)
- 🟡 teilweise belegt
- 🔵 Interpretation
Kategorien
- Unternehmen
- Forschung
- Modell
- Produkt
- Finanzen
Zeitleiste
Vier Kapitel von der Gründung in Shanghai (2023) über die Step-Serie und das Billionen-MoE Step-2, die Open-Source-Wende mit Geely bis zur Flash-Kadenz, Step 5 Preview, dem ersten AI-PC und dem IPO-Kurs (2026). Filtere nach Kategorie oder durchsuche alle Ereignisse — jeder Eintrag führt seine Quellen mit.
Gründung: Vom Bing-Chefwissenschaftler zum „Tiger“
Jiang Daxin verlässt nach 16 Jahren Microsoft, gründet in Shanghai — und trainiert binnen zwei Monaten das erste 100-Mrd.-Parameter-Modell.
ChatGPT erscheint — und Microsofts Bing-Chefwissenschaftler für Asien steigt aus und gründet.
Gründung in Shanghai
Am 6. April 2023 gründet Jiang Daxin — 16 Jahre Microsoft, zuletzt Global Vice President und Chief Scientist des Microsoft Software Technology Center Asia (Bing, Cortana, Azure Cognitive Services) — StepFun (阶跃星辰) in Shanghai-Xuhui. Mitgründer: Zhu Yibo (CTO, ex-ByteDance/Google) und Jiao Binxing (ex-Microsoft); Chief Scientist wird ResNet-Mitautor Zhang Xiangyu (ex-Megvii).
Der Auslöser war der Start von ChatGPT im November 2022: Jiang Daxin, der bei Microsoft die Bing-Suche und Cortana mit aufgebaut hatte, war überzeugt, selbst etwas Vergleichbares bauen zu können. StepFun (offiziell Shanghai Jieyue Xingchen Intelligent Technology Co., Ltd.) zählt seither zu Chinas „Sechs KI-Tigern“ — neben Zhipu, Moonshot, MiniMax, Baichuan und 01.AI. Der Name 阶跃星辰 bedeutet sinngemäß „Sprung zu den Sternen“ und steht für die Stufenfunktion („Step“) als Fortschrittsmetapher.
Im Kapitel weiterlesen →Step-1: 100 Mrd. Parameter in zwei MonatenStep-1
Binnen zwei Monaten nach der Gründung trainiert StepFun nach eigenen Angaben sein erstes 100-Mrd.-Parameter-Modell, Step-1. Die frühe Finanzierung (HongShan/Sequoia China, Qiming Venture Partners, IDG Capital) macht das Startup umgehend zum Einhorn — ein Tempo-Datenpunkt, der überwiegend auf Eigenangaben und Branchenberichten beruht.
Die Step-Serie: elf Modelle in zehn Monaten
Öffentlicher Modellstart im März, das Billionen-MoE Step-2 auf der WAIC — und die Series B zum Jahresende.
Öffentlicher Start der Step-Serie
Ab März 2024 veröffentlicht StepFun seine Step-Modellserie öffentlich; binnen zehn Monaten entstehen elf eigene Basismodelle — Sprache, multimodales Verstehen, Bildgenerierung, Video und Audio. Die multimodale Breite wird zum Markenzeichen.
Eine Billion Parameter, MoE, aus Shanghai — das erste Modell dieser Größenordnung von einem chinesischen Startup.
WAIC: Step-2 — erstes Billionen-MoE eines China-StartupsStep-2
Auf der World Artificial Intelligence Conference in Shanghai stellt StepFun drei Modelle gleichzeitig vor: Step-2, ein Mixture-of-Experts-Modell mit über einer Billion Parametern — das erste seiner Art von einem chinesischen Startup — dazu das multimodale Step-1.5V und das Bildmodell Step-1X (Diffusion Transformer).
Jiang Daxin bekannte sich in dieser Phase öffentlich zum Scaling-Gesetz („Chinese AI can benefit from bigger models, more data“) — ein bewusster Kontrast zu den Effizienz-Pfaden anderer China-Labore. Step-2 wurde im Consumer-Kontext über die App Yuewen (跃问) zugänglich. Die Größenordnung „über 1 Billion Parameter“ stammt aus Unternehmens- und Konferenzangaben; die genaue aktive Parameterzahl wurde nicht publiziert.
Im Kapitel weiterlesen →GOT-OCR 2.0 quelloffenGOT-OCR 2.0
Im September 2024 veröffentlicht StepFun GOT-OCR 2.0 („General OCR Theory“): ein einheitliches End-to-End-OCR-Modell (580 Mio. Parameter), das Text, Tabellen, Formeln und sogar Noten in einem einzigen Modell verarbeitet — quelloffen unter Apache 2.0.
Step-2-16k an der Spitze der China-ModelleStep-2-16k
Im November 2024 führt die Variante Step-2-16k das LiveBench-Ranking der chinesischen Modelle an und liegt global auf Platz fünf — hinter Modellen von OpenAI (o1-mini, GPT-4o) und Google (Gemini 1.5 Pro). Momentaufnahme eines damaligen Benchmarks.
Series B: mehrere hundert Millionen Dollar
Ende Dezember 2024 sichert sich StepFun eine Series-B-Finanzierung von mehreren hundert Millionen Dollar — geführt von Shanghaier Staatskapital, mit Tencent, Qiming und Xiaomi als Investoren. Die berichtete Bewertung: rund 2 Mrd. $.
Open Source, Geely & die Chip-Allianz
Video- und Audio-Modelle unter offenen Lizenzen, das Fahrzeug-Betriebssystem Agent OS mit Geely — und Step-3 als Kosten-Statement.
Mit Geely: Step-Video-T2V und Step-Audio quelloffenStep-Video-T2V / Step-Audio
Im Februar 2025 geben StepFun und der Autobauer Geely gemeinsam zwei multimodale Modelle frei: Step-Video-T2V (30 Mrd. Parameter, Text-zu-Video, MIT-Lizenz) und Step-Audio (130 Mrd. Parameter, Sprachinteraktion). Der Beginn einer strategischen Auto-Partnerschaft.
Step-Video-TI2V, Step1X-Edit und Step-R1-V-Mini
Im Frühjahr 2025 folgen Step-Video-TI2V (Bild-zu-Video, März), das Bildbearbeitungs-Modell Step1X-Edit (April, Apache 2.0) und das multimodale Reasoning-Modell Step-R1-V-Mini. Die Familie wächst entlang aller Modalitäten.
Ein 321B-Modell, das auf Effizienz statt nur Größe zielt — offen, und gebaut für Chinas eigene Chips.
WAIC: Step-3, Agent OS und die Chip-AllianzStep-3
Auf der WAIC 2025 stellt StepFun Step-3 vor: 321 Mrd. Parameter (38 Mrd. aktiv) mit den Architektur-Innovationen MFA und AFD, entworfen für günstige Dekodierung auch auf heimischen Chips; die Gewichte folgen am 31. Juli unter Apache 2.0. Gleichzeitig: das Fahrzeug-Betriebssystem Agent OS mit Geely und die „Model-Chip Ecosystem Innovation Alliance“ mit Huawei, Biren, Moore Threads und Enflame.
Step-3 ist ein Modell-System-Co-Design: Multi-Matrix Factorization Attention (MFA) senkt den KV-Cache-Bedarf nach Unternehmensangabe auf etwa 22 % der Attention-Kosten von DeepSeek V3 pro Token; Attention-FFN Disaggregation (AFD) trennt Attention- und FFN-Schichten für eine bessere Hardware-Auslastung. Trainiert auf über 20 Bio. Text- und 4 Bio. Bild-Text-Tokens, nutzt Step-3 den Tokenizer von DeepSeek V3. Die Chip-Allianz mit Huawei, Biren, Moore Threads und Enflame zielt auf Optimierung für heimische Beschleuniger — eine direkte Antwort auf die US-Exportkontrollen. Der Geely Galaxy M9 wurde das erste Serienfahrzeug mit Agent OS.
Audio- und Bild-Familie: Step-Audio 2 Mini, EditX, NextStep-1
Im zweiten Halbjahr 2025 folgen Step-Audio 2 Mini (August, 8 Mrd. Parameter, Apache 2.0), Step-Audio-EditX (November, Audio-Editing per RL) und NextStep-1 — ein autoregressives Bildgenerierungs-Modell (14 Mrd. Parameter), dessen Paper als Oral auf der ICLR 2026 angenommen wird. Im Dezember erscheint NextStep-1.1.
Die Terminal-Strategie in Zahlen
Ende 2025 laufen StepFun-Modelle laut Branchenberichten auf über 42 Mio. ausgelieferten Geräten mit rund 20 Mio. täglich aktiven Nutzern; Partner wie OPPO decken demnach rund 60 % der führenden chinesischen Smartphone-Marken ab. Zahlen aus Drittquelle, Momentaufnahme.
B+, Flash-Kadenz & der IPO-Kurs
Rekordrunde und ein neuer Chairman, offene Flash-Modelle im Halbjahrestakt, Agenten-Produkte, Step 5 Preview, der Umbau unter Yin Qi und der erste AI-PC — und die Hongkong-Börse im Visier.
Die größte Einzelrunde des China-LLM-Jahres — größer als die IPO-Erlöse der bereits börsennotierten Rivalen Zhipu und MiniMax.
Series B+ über 5 Mrd. Yuan — und Yin Qi wird Chairman
Im Januar 2026 schließt StepFun eine Series-B+-Runde von über 5 Mrd. Yuan (~717 Mio. $) ab — die größte Einzelrunde des chinesischen LLM-Sektors der vorangegangenen zwölf Monate, mit staatlichen Fonds, Tencent, 5Y Capital, Qiming und weiteren. Gleichzeitig wird Megvii-Mitgründer Yin Qi Chairman (26. Januar) — er führt auch den Geely-nahen Fahrzeug-Konzern Qianli.
Die Runde übertraf nach Berichten sogar die Hongkong-IPO-Erlöse der Tiger-Rivalen Zhipu (~535 Mio. $) und MiniMax. Yin Qi ist Mitgründer und früherer CEO von Megvii (Face++) — einem der „vier KI-Drachen“ der ersten chinesischen Computer-Vision-Welle — und Chairman von Qianli Technology, dem Geely-gestützten Autonomous-Driving-Unternehmen. Seine Berufung untermauert StepFuns „AI + Endgeräte“-Strategie: Modelle in Fahrzeuge, Telefone und Geräte zu bringen.
Im Kapitel weiterlesen →Step3-VL-10B quelloffenStep3-VL-10B
Am 20. Januar 2026 öffnet StepFun das kompakte Vision-Language-Modell Step3-VL-10B (Apache 2.0) — 10 Mrd. Parameter, die in mehreren Auswertungen mit 10- bis 20-fach größeren offenen Modellen gleichziehen.
196 Mrd. Parameter, nur 11 Mrd. aktiv, Apache 2.0 — und auf Mathe-Benchmarks vor deutlich größeren Modellen.
Step 3.5 Flash: „born for agents“ — quelloffenStep 3.5 Flash
Am 2. Februar 2026 veröffentlicht StepFun Step 3.5 Flash: ein sparsames MoE mit 196 Mrd. (11 Mrd. aktiven) Parametern, 262K Kontext, bis zu 350 Tokens/s und Bestwerten auf AIME 2025 (99,8) und HMMT 2025 (98,0) — unter Apache 2.0, explizit als Fundament für Agenten positioniert. Die SCMP sieht das kompakte Modell vor größeren Rivalen von DeepSeek und Moonshot.
Step 3.5 Flash erreicht die Generierungsgeschwindigkeit unter anderem über 3-fach-Multi-Token-Prediction und wurde auf OpenRouter bereits Ende Januar 2026 gelistet. Die Positionierung „born for agents“ markiert StepFuns strategische Drehung von reinen Modell-Benchmarks hin zu agentischen Arbeitsabläufen — Benchmark-Bestwerte sind dabei Eigenangaben des Hauses.
Bloomberg: Hongkong-IPO-Sondierung
Ende Februar 2026 berichtet Bloomberg, StepFun sondiere einen Börsengang in Hongkong mit einem möglichen Erlös von rund 500 Mio. $; Caijing meldet eine geplante Pre-IPO-Runde von 2 bis 3 Mrd. Yuan. Die Tiger-Rivalen Zhipu und MiniMax sind zu diesem Zeitpunkt bereits an der Hongkonger Börse gelistet. Berichte ohne offizielle Bestätigung.
StepClaw: der Cloud-AgentStepClaw
Am 12. März 2026 startet StepFun StepClaw — einen Cloud-Agenten auf Basis des Open-Source-Frameworks OpenClaw, angetrieben von Step 3.5 Flash: Ein-Klick-Deployment in der Step-AI-App, 24/7 online, Start mit 50.000 kostenlosen Testplätzen (je 50 Mio. Modell-Tokens inklusive).
IPO-Vorbereitung: Offshore-Struktur wird abgewickelt
Im April 2026 berichtet Reuters, StepFun löse seine Offshore-Struktur auf, um den Weg für einen Börsengang zu ebnen; im Mai berichtet Yicai Global von einer geplanten Finanzierung von bis zu rund 2,5 Mrd. $ im Vorfeld des IPO. Beides Berichte ohne Unternehmens-Kommentar.
Step 3.7 Flash: die Agenten-Kadenz hältStep 3.7 Flash
Am 29. Mai 2026 erscheint Step 3.7 Flash — 198 Mrd. Parameter (11 Mrd. aktiv, inklusive Vision-Encoder), 256K Kontext, bis zu 400 Tokens/s, API-Preis $0,20/$1,15 je Mio. Tokens — erneut quelloffen unter Apache 2.0 und noch konsequenter auf produktive Agenten ausgelegt.
WSJ: IPO-Anmeldung steht bevor — bis zu 12 Mrd. $ im Gespräch
Das Wall Street Journal berichtet am 8. Juni 2026, StepFun stehe kurz vor der Einreichung für einen Hongkong-IPO; Schlüsselinvestoren hätten eine Bewertung von bis zu 12 Mrd. $ vorgeschlagen. Berichtete Zahl, keine offizielle Bewertung.
StepX Neo: das „erste Agenten-Smartphone“StepX Neo / Step AOS / Amoo
Am 13. Juli 2026 stellt StepFun in Shanghai das StepX Neo vor — ein Smartphone um das eigene Agenten-Betriebssystem Step AOS und den persönlichen Agenten Amoo, als „weltweit erstes KI-Agenten-Smartphone“ vermarktet. Der Superlativ ist Eigenmarketing; die Geräte-Strategie ist real.
Umbau unter Yin Qi: zwei Linien, ein Terminal-Präsident, ein Agent-OS-Partner
Berichte von Huxiu, Sohu und 36Kr zeichnen im August und September 2026 nach, wie Chairman Yin Qi StepFun umbaut: Die Modell-Linie bleibt bei Gründer und CEO Jiang Daxin, die Terminal-Linie (Phone, Step AOS) läuft über die Tochter Zhiyue Xingchen unter Terminal-Präsident Ni Jiayue, zuvor Huawei Terminal und Honor; beide berichten an Yin Qi. Mitte September soll der frühere Lark-Produktchef Shi Kaiwen als Partner für Agent OS dazugekommen sein. Keine Unternehmensbestätigung.
Der Huxiu-Bericht zu Shi Kaiwen vom 15. September verschwand kurz nach Erscheinen wieder; Sohu (深渡Cross) und 36Kr griffen ihn auf. Shi Kaiwen hatte bei Lark (Feishu) die Mehrdimensionalen Tabellen verantwortet, das Unternehmen Ende Juni 2026 verlassen und zunächst ein eigenes Startup für Agenten auf Endgeräten vorbereitet, mit Rückendeckung von Hongshan und Jinqiu. Das Terminal-Team zählt laut Sohu über 500 Personen, viele mit Honor-Vergangenheit; die StepFun-AI-App lag im Juni 2026 bei rund 506.000 monatlich aktiven Nutzern (Platz 33 der chinesischen KI-Apps). Yin Qis Begründung, zitiert bei Sohu: Ein Modellunternehmen ohne eine Anwendung, die es ernähren kann, überlebe langfristig schwer.
600 Mrd. Parameter zum Preis von $1/$2,70 — StepFuns erstes echtes Flaggschiff der Flash-Ära, mit angekündigter Gewichts-Öffnung.
Step 5 Preview: das 600B-FlaggschiffStep 5 Preview
Am 18.–20. September 2026 erscheint Step 5 Preview: ein sparsames MoE mit 600 Mrd. Gesamt- und 27 Mrd. aktiven Parametern, 1-Mio-Token-Kontext und Bildeingang — Index 44 im Artificial-Analysis-Index v4.3.2, API $1/$2,70 je Mio. Tokens. Die Gewichte sollen am 15. Oktober 2026 folgen; chinesische Berichte sehen das Modell auf Kimi-K3-Niveau.
StepFun bewirbt Step 5 Preview nicht als Benchmark-Spitzenreiter, sondern als Pareto-Angebot: Frontier-nahe Leistung (Index 44 in v4.3.2) zu einem Bruchteil des Preises westlicher Flaggschiffe. Zum Start ist das Modell proprietär — das Hugging-Face-Repo stepfun-ai/Step-5-Preview-BF16 enthielt zunächst nur einen Platzhalter; die Gewichts-Öffnung ist für den 15. Oktober 2026 angekündigt. Nach Unternehmensangaben lag der Umsatz 2025 bei knapp 500 Mio. Yuan — Zahlen aus Sekundärquellen.
Horion und StepFun: der erste AI-PC mit Step 5 PreviewHorion Xiaojuneng Mini-PC
Am 22. September 2026 stellt Horion (皓丽), die Eigenmarke des Display-Herstellers KTC (康冠科技), gemeinsam mit StepFun den Mini-PC „Xiaojuneng“ vor: ein Desktop-AI-PC mit Step 5 Preview als Modell, über 5.000 vorinstallierten Skill-Paketen für Büro, Lernen und Kreativarbeit, monatlichen Gratis-Token-Kontingenten und lebenslangen Upgrades. Preis und Verkaufsstart nennen die Berichte nicht.
KTC ist mehr als Hardware-Partner: Der Konzern hatte im Juni 2026 150 Mio. Yuan in StepFuns Pre-IPO-Runde investiert und eine strategische Kooperation vereinbart. Für StepFun ist der AI-PC nach Fahrzeug (Agent OS mit Geely) und Smartphone (StepX Neo, Partner-Phones) die dritte Geräteklasse der „AI + Endgeräte“-Strategie. KTC selbst begründet den Schritt mit dem Wandel vom Auftragsfertiger zur eigenen Marke; das Geschäft mit Innovationsdisplays setzte 2025 rund 2 Mrd. Yuan um, im Dreijahresschnitt plus 68 % pro Jahr.
Vier Teile mit Quellenkritik, Datierung und Einordnung — von der Gründung über die Step-Serie und die Geely-Allianz bis zur Flash-Kadenz, Step 5 Preview und dem IPO-Kurs.
Bildnachweise
- WAIC: Step-3, Agent OS: Foto: JustAnotherCarDesigner · CC0 · Wikimedia Commons · bearbeitet: verkleinert
Alle Bilder stammen von Wikimedia Commons und stehen unter den genannten freien Lizenzen. Die Einfärbung der Porträts entsteht nur in der Darstellung.