# Step3 ## 论文 ` Step-3 is Large yet Affordable: Model-system Co-design for Cost-effective Decoding ` - https://arxiv.org/abs/2507.19427 ## 模型结构 Step3 是一个先进的多模态推理模型，基于混合专家架构构建，拥有 321B 总参数，单token激活38B参数。 它采用端到端设计，旨在最大限度地降低解码成本，同时在视觉语言推理领域提供顶级性能。 通过 Multi-Matrix Factorization Attention(MFA)和Attention-FFN Disaggregation (AFD)的协同设计，Step3 高端和低端加速器上均保持卓越的效率。 AFD的架构实现如图所示。
## 算法原理 Step-3引入了两大优化设计: - 在模型算法方面，引入了MFA(Multi-matrix Factorization Attention)算法，其计算密度设计更加均衡，相较于MHA, GQA, MLA实现更低的decode成本。 - 在系统设计方面，引入了Attention FFN分离架构(Attention-FFN Disaggregation, AFD), 并根据具体硬件配置相应并行策略。 ## 环境配置 ### 硬件需求 DCU型号：BW1000，节点数量：2 台，卡数：2*8 张。 ### 通信配置 一、节点间基础通信 `在本地机器上配置以下内容：` 1、关闭防火墙： ``` systemctl stop firewalld # 若为centos ufw disable # 若为Ubuntu ``` 2、设置amd_iommu=on: ``` vim /etc/default/grub ```
更新下配置: ``` grub2-mkconfig -o /boot/efi/EFI/rocky/grub.cfg ``` 重启机器后校验是否生效(检查是否存在imxxx=pt)： ``` BOOT_IMAGE=(hd0,gpt3)/vmlinuz-4.18.0-372.9.1.el8.x86_64 root=UUID=80974f58-7d23-49bb-bd8b-8e299eb0d188 ro crashkernel=auto rhgb quiet systemd.unified_cgroup_hierachy=1 systemd.unified_cgroup_hierarchy=1 amd_iommu=on iommu=pt ``` `在后面步骤启动的容器里面配置以下内容：` ``` apt update apt install openssh-server -y ``` vim /etc/ssh/sshd_config # 修改下面PermitRootLogin为yes ``` # 取消以下4句命令的注释 RSAAuthentication yes #启用 RSA 认证 PubkeyAuthentication yes #启用公钥私钥配对认证方式 AuthorizedKeysFile ~/.ssh/authorized_keys #公钥文件路径（和下面生成的文件同） PermitRootLogin yes #root能使用ssh登录 ``` 重启ssh服务，并设置开机启动： ``` service sshd restart chkconfig sshd on 查看sshd状态：service ssh status 开启sshd服务：/etc/init.d/ssh restart ``` 下面开始设置节点间免密通信的秘钥： 1、ssh-keygen生成秘钥 ``` ssh-keygen -t ed25519 # 此处以ed25519为例，读者可自己设置为其它名字，遇到提问全部回车键确认 ``` 2、将需要使用的各个节点`~/.ssh/authorized_keys`里的秘钥收集复制到`~/.ssh/id_rsa.pub`，每个节点`~/.ssh/id_rsa.pub`里的所有秘钥最终一致。格式类似如下：
3、设置节点间的通信端口号 ``` /usr/sbin/sshd -p 10085 # 不同节点可以设置不同的端口号，打通秘钥和端口号之后可以用ssh -p之类的命令验证节点间是否通信已经通畅，否则需检查前面步骤是否设置成功。 ``` 以上设置非标准步骤，不同服务器或集群存在明显差异，无法完全复制此过程，请读者根据自己机器的实际情况灵活采用，总体目标是开启amd_iommu、打通节点间的容器内可以直接免密登录。 二、ray相关通信 `在后面步骤启动的容器里面配置以下内容：` ``` vim ~/.bashrc ``` 在脚本`.bashrc`最后面添加以下命令（以BW千卡集群为例）： ``` export ALLREDUCE_STREAM_WITH_COMPUTE=1 export VLLM_HOST_IP=x.x.x.x export NCCL_SOCKET_IFNAME=ib0 export GLOO_SOCKET_IFNAME=ib0 unset NCCL_ALGO export NCCL_MIN_NCHANNELS=16 export NCCL_MAX_NCHANNELS=16 export NCCL_NET_GDR_READ=1 export HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 export LMSLIM_USE_LIGHTOP=0 #针对hycpu环境建议设置绑核操作： export VLLM_NUMA_BIND=1 export VLLM_RANK0_NUMA=0 export VLLM_RANK1_NUMA=1 export VLLM_RANK2_NUMA=2 export VLLM_RANK3_NUMA=3 export VLLM_RANK4_NUMA=4 export VLLM_RANK5_NUMA=5 export VLLM_RANK6_NUMA=6 export VLLM_RANK7_NUMA=7 #BW集群需要额外设置的环境变量： export NCCL_NET_GDR_LEVEL=7 export NCCL_SDMA_COPY_ENABLE=0 export NCCL_IB_HCA=mlx5_2:1,mlx5_3:1,mlx5_4:1,mlx5_5:1,mlx5_6:1,mlx5_7:1,mlx5_8:1,mlx5_9:1 export NCCL_TOPO_FILE="topo-input.xml" # 若为K100_AI卡，则添加以下信息(本步骤以BW卡为示例，故注释了以下信息。)： # export VLLM_ENFORCE_EAGER_BS_THRESHOLD=44 ``` 其中`VLLM_HOST_IP`和`NCCL_SOCKET_IFNAME`需要替换成每个自己机器上查到的信息，每个节点的ip不同，查询方式如下： ``` 通信口和ip查询方法：ifconfig VLLM_HOST_IP： 节点本地通信口ip NCCL_SOCKET_IFNAME和GLOO_SOCKET_IFNAME： 节点本地通信网口名 ``` `示例：`
带BW卡的集群VLLM_HOST_IP需要设置为ib网卡对应的IP，避免出现rccl超时问题：
注意：添加完以上信息后需要激活环境变量 ``` source ~/.bashrc ``` `Tips：由于通信配置方面属于运维人员的专业内容，以上关于通信的配置建议读者联系运维人员进行配置。` ### Docker（方法一） ``` docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:vllm-ubuntu22.04-dtk25.04.1-rc5-das1.6-py3.10-20250802-step3 docker run -it --name step_vllm --shm-size=1024G --device=/dev/kfd --device=/dev/dri/ --privileged --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v /opt/hyhal:/opt/hyhal:ro -v $PWD/Step3_pytorch:/home/Step3_pytorch f0e4191089de /bin/bash wget --content-disposition 'https://download.sourcefind.cn:65024/file/4/triton/DAS1.6/triton-3.0.0+das.opt1.dtk25041-cp310-cp310-manylinux_2_28_x86_64.whl' pip install triton-3.0.0+das.opt1.dtk25041-cp310-cp310-manylinux_2_28_x86_64.whl ``` ### Dockerfile（方法二） ``` cd $PWD/Step3_pytorch/docker docker build --no-cache -t step3:latest . docker run -it --name step_vllm --shm-size=1024G --device=/dev/kfd --device=/dev/dri/ --privileged --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v /opt/hyhal:/opt/hyhal:ro -v $PWD/Step3_pytorch:/home/Step3_pytorch f0e4191089de /bin/bash wget --content-disposition 'https://download.sourcefind.cn:65024/file/4/triton/DAS1.6/triton-3.0.0+das.opt1.dtk25041-cp310-cp310-manylinux_2_28_x86_64.whl' pip install triton-3.0.0+das.opt1.dtk25041-cp310-cp310-manylinux_2_28_x86_64.whl ``` ## 数据集 `无` ## 训练 `无` ## 推理 预训练权重目录结构，将后续模型地址切换成实际模型权重地址： ``` /home/Step3_pytorch/ └── stepfun-ai/step3 ``` ### 多机多卡 启动ray集群 ``` # 启动ray # 启动主节点的ray, x.x.x.x 为前面步骤中ifconfig查到的主节点ip（VLLM_HOST_IP），--port为端口号，可以随意设置，保持主节点和其余节点端口号一致。 ray start --head --node-ip-address=x.x.x.x --port=6379 --num-gpus=8 --num-cpus=32 # 启动其它节点的ray,注意 x.x.x.x 为前面步骤中ifconfig查到的主节点ip（VLLM_HOST_IP）。 ray start --address='x.x.x.x:6379' --num-gpus=8 --num-cpus=32 # 可用ray status 查看ray的集群启动状态。 ``` vLLM Deployment(vllm官方暂不支持AFD，只支持非分离模式部署): ``` #head节点执行 VLLM_USE_NN=0 VLLM_USE_FLASH_ATTN_PA=0 vllm serve /path/to/step3 \ --reasoning-parser step3 \ --enable-auto-tool-choice \ --tool-call-parser step3 \ --trust-remote-code \ --max-num-batched-tokens 4096 \ --distributed-executor-backend ray \ --dtype float16 \ -tp 16 \ --port $PORT_SERVING ``` - Client Request Examples ``` from openai import OpenAI # Set OpenAI's API key and API base to use vLLM's API server. openai_api_key = "EMPTY" openai_api_base = "http://localhost:8000/v1" client = OpenAI( api_key=openai_api_key, base_url=openai_api_base, ) chat_response = client.chat.completions.create( model="/path/to/step3", messages=[ {"role": "system", "content": "You are a helpful assistant."}, { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://xxxxx.png" }, }, {"type": "text", "text": "Please describe the image."}, ], }, ], ) print("Chat response:", chat_response) ``` - You can also upload base64-encoded local images: ``` import base64 from openai import OpenAI # Set OpenAI's API key and API base to use vLLM's API server. openai_api_key = "EMPTY" openai_api_base = "http://localhost:8000/v1" client = OpenAI( api_key=openai_api_key, base_url=openai_api_base, ) image_path = "/path/to/local/image.png" with open(image_path, "rb") as f: encoded_image = base64.b64encode(f.read()) encoded_image_text = encoded_image.decode("utf-8") base64_step = f"data:image;base64,{encoded_image_text}" chat_response = client.chat.completions.create( model="step3", messages=[ {"role": "system", "content": "You are a helpful assistant."}, { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": base64_step }, }, {"type": "text", "text": "Please describe the image."}, ], }, ], ) print("Chat response:", chat_response) ``` - text only: ``` from openai import OpenAI # Set OpenAI's API key and API base to use vLLM's API server. openai_api_key = "EMPTY" openai_api_base = "http://localhost:8000/v1" client = OpenAI( api_key=openai_api_key, base_url=openai_api_base, ) chat_response = client.chat.completions.create( model="/path/to/step3", # 模型路径 messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "The capital of France is"}, ], ) print("Chat response:", chat_response.choices[0].message.content) ``` 更多资料可参考源项目中的[`README_ori`](./README_ori.md)。 ## result example1: - text:Please describe the image. - image:
- 输出结果:
### 精度 DCU与GPU精度一致，推理框架：vllm。 ## 应用场景 ### 算法类别 `对话问答` ### 热点应用行业 `电商,教育,广媒` ## 预训练权重 huggingface权重下载地址为： - [stepfun-ai/step3](https://huggingface.co/stepfun-ai/step3) `注：建议加镜像源下载：export HF_ENDPOINT=https://hf-mirror.com` ## 源码仓库及问题反馈 - https://developer.sourcefind.cn/codes/modelzoo/step3_pytorch ## 参考资料 - https://github.com/stepfun-ai/Step3/tree/main