阶跃星辰 Step 5 Preview

2026-09 首发注记：Step 5 Preview 于 2026 年 9 月中旬发布，各来源对确切日期口径不一（AI/TLDR 记为 09-18，Pandaily 与 DataLearner 记为 09-19 / 09-20），本站暂采 09-19 并标注待核实。下列规格与跑分均来自第三方汇总与媒体报道，阶跃星辰尚未发布统一的官方模型卡，请以官方后续公告为准。

概述

Step 5 Preview 是阶跃星辰（StepFun）的新一代旗舰基座模型，采用稀疏 MoE 架构：总参数约 600B，每 token 激活约 27B。它面向的是长程 Agent 工作负载——AI 编程、软件工程、金融分析与专业知识工作，而不是单纯的对话。

两个数字定义了它的定位：1M token 上下文，且输出侧同样是 1M。多数模型把长上下文只放在输入侧，Step 5 把输出也拉到 1M，意味着一次调用可以直接吐出整份长文档或整批代码，不必在应用层切片拼接。

AI 之家 观点：Step 5 Preview 真正的看点不是 600B 这个数字，而是「智能指数 44 + 输入 $1/M」这组性价比。它把长程 Agent 的单任务成本往下压了一大截——如果你的瓶颈是「Agent 跑得动但跑不起」，它值得一测；但 Preview 期拿不到权重，数据合规场景还得等 10-15。

架构：为什么是「窄深」

Step 5 没有继续把网络加宽，而是走 92 层的窄深 Transformer。阶跃星辰的理由是：在长 prefill 阶段——Agent 正在搜索、跑代码、吞工具返回值的时候——更深的结构能提供更长的信息通路，支撑隐式多跳推理。

为了让 1M 会话真正可用，它引入了 Sparse Grouped-Query Attention + 分块 token 合并。官方称这把 indexer 与 top-k 选择的开销压到更密基线的约 1/8，同时合并相邻的重复选择。

训练侧强调在策略（on-policy）长程强化学习，并在 MoE 路由上做训练与推理的比特级对齐，配合负载感知调度、MTP-3 投机解码、FP8 MoE 与 KV cache offload。官方称长程 RL 端到端加速三倍以上，样本账本损失低于 1%。

跑分怎么看

官方与第三方汇总给出的关键分数如下（口径见注）：

读表提醒：Terminal-Bench 2.1 的 85.0 与 4.0 的 33.3 分属两代不同基准，分数差异来自基准难度而非模型退化——引用时务必带上版本号，否则极易误导。

成本侧是它最硬的卖点：在人工分析智能指数同为 44 的前提下，Step 5 Preview 的单任务成本约为 Kimi K3（max）的 35%（约低 65%）。

定价

但要注意冗长系数：人工分析记录它在评测集上共生成 1.6 亿 token，而中位数只有 9200 万。也就是说它倾向于写长答案——输出端成本比输入单价更值得盯。

调用示例

from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.stepfun.com/v1",  # 以官方最新文档为准
)

resp = client.chat.completions.create(
    model="step-5-preview",
    messages=[
        {"role": "user", "content": "通读这个仓库，列出三处最可能引发并发 bug 的地方并给出修复补丁"}
    ],
    # 同一 model id 上切换推理强度，按任务深度权衡成本
    extra_body={"reasoning_effort": "high"},
)
print(resp.choices[0].message.content)

与同档模型怎么选

• 追性价比的长程 Agent → Step 5 Preview。
• 要立刻拿到权重做私有化 → Kimi K3 或 DeepSeek V4，Step 5 需等到 10-15。
• 预算极敏感的跑量任务 → DeepSeek V4.1 Flash。

避坑清单

• Preview ≠ 开源：现在只能通过 API 用，无法下载权重；需要自托管的团队把评估节点排到 10-15 之后。
• 先小范围验证再放量：Zhihu 早期实测反馈其在科学/编程类任务强，但事实性知识与复杂文档处理仍有短板。
• 按任务切推理强度：low/medium/high 同一 id 可切，别所有请求都默认 high。
• 盯输出 token 数：冗长倾向会显著放大账单，建议在网关层设 max_tokens 上限。

FAQ

Q：Step 5 Preview 是开源模型吗？ A：目前不是。它通过阶跃星辰 API 提供服务，权重尚未开放。官方计划 2026-10-15 放出 BF16 权重，届时是否附带商用许可待核实。

Q：为什么两个 Terminal-Bench 分数差这么多？ A：因为它们是不同版本的基准（2.1 与 4.0），4.0 难度显著提高。85.0 与 33.3 不构成性能退化，引用时必须标注版本。

Q：和 Kimi K3 相比该怎么选？ A：智能指数同为 44，但 Step 5 单任务成本约低 65%。若你需要立刻自托管，Kimi K3 权重已开放；若不急且能等 10-15，Step 5 的成本结构更有利。

延伸阅读

• 资讯：阶跃星辰 Step 5 Preview 发布
• 对比模型：Kimi K3 / DeepSeek V4 / GLM-5.3
• 概念：MoE 混合专家架构 / 长上下文

来源

• Pandaily — 《StepFun Launches Step 5 Preview: 600B Sparse MoE, 1M Context, Weights Open Oct 15》(2026-09)：https://pandaily.com/stepfun-step-5-preview-600b-moe-1m-context
• AI/TLDR — Step 5 Preview 模型页（规格、定价、AA 实测）：https://ai-tldr.dev/models/step-5-preview
• DataLearner / LLM Learner — Step 5 Preview 规格与完整跑分表：https://llmlearner.com/models/step-5-preview
• HuggingNews — 《StepFun Launches 600B Step 5 Preview AI Model With Oct 15 Open Weights》(2026-09-20)：https://huggingnews.com/ai/stepfun-launches-600b-step-5-preview-ai-model-with-oct-15-open-weights-2e26d093

核对日期：2026-09-21。发布确切日期、权重开放后的许可条款两项待核实。