StepFun: modelos de IA, API y herramientas de voz

StepFun ofrece modelos de inteligencia artificial para programación, análisis de documentos, comprensión visual y aplicaciones de voz. Su web reúne las fichas de modelos, AI Studio y la plataforma API, de modo que puedes probar una tarea y después decidir si conviene integrarla en tu producto.

¿Para qué sirve StepFun, explicado de forma sencilla?

Es un proveedor de capacidades de IA: envías instrucciones y material compatible, y el modelo devuelve una respuesta o procesa el contenido. AI Studio permite hacer pruebas desde el navegador; la API permite que una aplicación propia solicite esas capacidades.

Por ejemplo, puedes evaluar cómo explica un error de código, resume un documento o convierte texto en voz. Las búsquedas, la ejecución de código y las acciones externas dependen de las herramientas que aporte la aplicación. El modelo no obtiene acceso automático a tu ordenador.

Cómo empezar con una prueba y pasar a la API

Entra en AI Studio, completa los requisitos de la cuenta y plantea una tarea concreta. Para evaluar un resumen, pide que separe hechos, conclusiones y dudas, y comprueba cada punto con el documento original.

Para integrar un modelo, crea una clave API en la plataforma correspondiente y elige un identificador, como step-5-preview. Sigue la guía de inicio oficial para enviar una petición breve con cURL o el SDK de Python de OpenAI. La API internacional usa https://api.stepfun.ai/v1; la de China, https://api.stepfun.com/v1.

La respuesta de texto se encuentra en choices[0].message.content. Revisa el consumo y los errores antes de añadir imágenes o herramientas. Para producción necesitarás proteger la clave, gestionar tiempos de espera y reintentos, y respetar los límites de la cuenta. No des por hecho que todas las funciones de otros proveedores son intercambiables.

Qué modelo elegir para texto, imágenes o código

Step 5 Preview está orientado a desarrollo de software, trabajo con información profesional y tareas de varios pasos. Su documentación indica un contexto de un millón de tokens, entradas de texto, imagen y vídeo, y hasta 64.000 tokens de salida de texto.

Step 3.7 Flash también admite entradas visuales; Step 3.5 Flash solo admite texto. Compara modelos con ejemplos de tu trabajo, midiendo resultado, tiempo y coste. Para Step 5 Preview se documentan hasta 60 imágenes por petición; un MP4 enviado mediante URL debe ocupar menos de 128 MB y se recomienda una duración inferior a cinco minutos.

Comprender una imagen no equivale a generarla. Las antiguas API de generación y edición de imágenes dejaron de funcionar el 10 de octubre de 2026, según la documentación oficial.

De una grabación a una aplicación de voz

StepAudio 3 ASR convierte voz en texto y TTS genera audio hablado. Realtime permite interacción bidireccional mediante WebSocket, con interrupciones y gestión de turnos. Gen y Music se destinan a generación de audio y música.

Si solo necesitas transcribir una entrevista, empieza por ASR. Si necesitas un asistente que escuche y responda durante una conversación, evalúa Realtime. Cada capacidad tiene formatos y unidades de facturación propios; comprueba el rendimiento con el idioma y los ejemplos que realmente utilizarás.

Precios, créditos y límites de uso

Comprobado el 19 de octubre de 2026: la API internacional de Step 5 Preview cuesta 1 dólar por millón de tokens de entrada sin caché y 2,70 dólares por millón de salida. La caché, el audio, las búsquedas y el almacenamiento tienen condiciones específicas. Consulta los precios y límites oficiales; las tarifas de China se expresan en RMB y no son precios en euros.

Step Plan es una suscripción con créditos mensuales. Su dirección internacional para llamadas compatibles con OpenAI es https://api.stepfun.ai/step_plan/v1, distinta de la API normal. Una llamada a la dirección normal no consume automáticamente los créditos de la suscripción. Los créditos mensuales no se acumulan al mes siguiente; las ampliaciones se rigen por las condiciones de Step Plan.

Algunas versiones preliminares de audio son gratuitas temporalmente. Eso no convierte toda la plataforma en un servicio gratuito permanente.

Privacidad y condiciones para alojar modelos

La política internacional de privacidad describe la recogida de entradas de interacción, servidores en Estados Unidos y transferencias internacionales. En determinados programas Startup o de acceso anticipado, los datos API compartidos pueden utilizarse para entrenamiento y ajuste. China dispone de su propia política. Verifica la región y el acuerdo antes de subir información confidencial.

Los pesos de Step 5 Preview están disponibles bajo StepFun Model License 1.0. La licencia del repositorio oficial incluye condiciones de distribución, atribución y ciertos usos comerciales. Alojarlo por tu cuenta también requiere infraestructura y mantenimiento.

Preguntas frecuentes

¿StepFun es gratis?

Algunos endpoints preliminares de audio son gratuitos durante un periodo limitado. Las llamadas habituales se facturan por consumo y Step Plan requiere suscripción.

¿Cómo consigo una clave API?

Créala en el apartado de claves de la plataforma tras completar el registro y la verificación aplicables. Usa la región y el canal de facturación correspondientes.

¿Todos los modelos admiten imágenes?

No. Step 5 Preview y Step 3.7 Flash admiten entradas visuales; Step 3.5 Flash es solo de texto. La generación de imágenes es una función distinta.

Recursos oficiales

• Documentación de Step 5 Preview: capacidades y límites de archivos.
• Soporte de la plataforma: ayuda oficial y grupos de desarrolladores.
• Comunidad de StepFun en Discord: enlace confirmado por la web oficial.