10 月 15 日，阶跃星辰宣布正式开放 Step 5 Preview 模型权重，BF16 与 FP8 两个版本同步上线 Hugging Face 和 ModelScope。这款 9 月底以 API 形式亮相的旗舰模型，此前已冲到 OpenRouter token 用量周榜全球第二，如今兑现了开源承诺。更值得注意的是，华为昇腾、沐曦、壁仞、摩尔线程四家国产芯片厂商同步宣布完成 0Day/Day 0 适配——权重刚落盘，国产算力就能跑。
先说事件：这次开源了什么
开放的权重包含 FP8 版 stepfun-ai/Step-5-Preview（约 650 GB、28 个 safetensors 分片）和 BF16 版 stepfun-ai/Step-5-Preview-BF16（约 1.2 TB），两个仓库都无需访问申请，模型卡与协议文件齐全，GitHub 上另有中英文协议文件与部署说明。Step 5 Preview 发布时我们写过一篇，当时它还是闭源预览：9 月 20 日官宣、10 月 8 日上架 OpenRouter，10 月 15 日如约放权重，节奏卡得很准。有意思的地方在于产品策略：阶跃星辰直接跳过了 Step 4.x 整条线，从 Step-3.7-Flash 一跃来到 Step 5，主打的旗号是「帕累托前沿」——不追求绝对分数第一，而是追求把算力换成智能的效率。
数据侧面印证了它的热度：据智东西报道，截至 10 月 15 日，Step 5 Preview 在 OpenRouter 的周榜和日榜均位列第二，近七日 token 用量约 18.8 万亿。一个还没开源的模型先把用量榜打穿了，开源更像一次顺势落地。
规格与许可：600B 总参、27B 激活，协议不是 Apache
规格上，Step 5 Preview 是稀疏 MoE 架构：总参数量 600B（safetensors 实际统计约 6043 亿），每 token 仅激活 27B，占比约 4.5%。模型由 92 层堆叠而成，其中 88 层为 MoE 层、4 层为稠密层，每个 token 从 352 个路由专家中选 8 个，外加 1 个共享专家。这套「窄而深」的设计思路和 Qwen3.8 Max、Kimi K3 等万亿级开源模型一致——总参不到对方的四分之一，激活不到三分之一，模型深度却对齐同一档位。上下文窗口 1M token，最大输出 64K，输入支持文本、图片（单次最多 60 张）和视频，官方定位是面向智能体工作的基模，主打软件工程、长程工具调用、专业知识工作与金融。
协议方面要泼一盆冷水：权重采用自有的 StepFun Model License 1.0，官方称其为类 Apache-2.0 风格，但附加了署名与商业条款——商业产品月活超约 1 亿或月收入超约 2000 万美元，需显著标注「Powered by StepFun AI」；硬件出厂内置或大规模 MaaS 场景，达到约定门槛前须另签商业许可。严格来说这是开放权重，不是 OSI 定义的开源。
跑分：开源前三，但短板也摆在明面上
在 Artificial Analysis 的 Intelligence Index 中，Step 5 Preview 拿到 44 分，位居全球开源模型前三。按发布时的评测数据，其单任务平均成本约 0.71 美元，仅为 Claude Opus 5（5.86 美元）的约 1/8。厂商自报的基准里，DeepSWE v1.1 得 67.7、ProgramBench 80.5、GPQA Diamond 93.5、Humanity's Last Exam 46.5；在 Agents' Last Exam 的 CLI 子集、金融评测 FrontierFinance 与深度研究评测 DRACO 上优于 Kimi K3 和 GLM-5.3，仅次于 GPT-6 Astra 或 Claude Opus 5。
短板同样清晰：Terminal-Bench v4 只有 33.3，比 GLM-5.3 的 41.9 低约 8 分；SWE-Marathon v1.1 拿到 72.7，属于开源第一梯队水平，但每项自报成绩都不及至少一款闭源旗舰。如果你的 Agent 主要在终端里干活，这一项建议在自己的仓库上复测。另外两个官方演示值得一看：模型自主花 22 小时把一个 H100 的 CUDA kernel 优化到 508 TFLOPS（对比 Claude Opus 5 的 493），以及对 Qwen3-30B-A3B 做全自动后训练，把 AIME24 成绩从 53.3% 提到 60%。这些数字都来自厂商口径，权重已放出，社区可以自行验证——这也正是开源的意义。
国产芯片 0Day 适配，这次是真的快
本次发布最特别的看点，是四家国产芯片厂商几乎与权重同步官宣适配。华为昇腾基于 vLLM Ascend 推理引擎实现 0Day 支持，从 Ascend C 与 Triton 融合算子、多流并行，到 MTP 投机解码、NPU Graph 图执行做了全链路优化；同日，首套 1024 卡 Atlas 950 SuperPoD 液冷超节点随开源同步点亮，可提供 1 EFLOPS FP8、2 EFLOPS FP4 算力，256TB 全局统一内存编址，卡间时延低至 3 微秒。
沐曦的曦云 C 系列 GPU 完成 Day 0 深度适配，依托自研 MXMACA 全栈软件栈，官方称可将大模型适配周期从数周压缩到小时级；自 2025 年 12 月以来，沐曦已完成 43 个主流旗舰模型的 Day 0 适配。壁仞基于 vLLM 与 BIRENSUPA 软件栈在壁砺系列 GPU 上打通了权重加载、服务启动与文本生成全链路，其多智能体平台 SUPACODE 还自动适配了 Step 5 Preview 的 DSA、SummaryCache 和 MoE 等关键模块。摩尔线程则由旗舰智算卡 MTT S5000 与 MUSA 软件栈完成 Day-0 适配与调优。这种「权重发布即适配」的节奏，放在一年前几乎不可想象，如今国产算力对新旗舰模型的响应速度已经追平了海外 CUDA 生态的第一时间支持。
如果你想自己部署，门槛在这里
实际部署的硬件门槛不低。官方服务配置里，FP8 版起步是 4 卡 B300 或 8 卡 H200，BF16 版则是 8 卡 B300 或 16 卡 H200，1.2 TB 的权重文件对磁盘也是考验，建议预留 1.5 TB 以上空间。软件路径很顺：vLLM 和 SGLang 都有官方 Docker 镜像（vllm/vllm-openai:step-5-preview 与 lmsysorg/sglang:step-5-preview），可直接起兼容 OpenAI 接口的服务，Transformers 也支持离线推理；等社区量化版本出来后，门槛还会继续下探。
对 Agent 开发者来说，这张卡的吸引力在于「开源阵营里少有的 1M 上下文 + 多模态输入 + 低激活成本」组合：600B 稠密对标的算力，按 27B 激活计费和推理，长程任务的成本曲线明显更友好。如果你在搭多步骤工具调用流水线，或是要处理长文档、代码库级的上下文，Step 5 Preview 现在是可以拿回自己的环境里跑评测的少数选择之一。私有化部署还带来了微调与数据合规的想象空间：权重在手，团队可以在自己的语料上做后训练，这是任何 API 都给不了的。加上阿里此前开放 Qwen3.8 旗舰权重，开源阵营在 600B 级别的选择正在快速变厚。
- 「AA 指数 44 平 Kimi K3、成本只要 1/8，这个帕累托改进对跑批量 Agent 任务的团队是实打实的降本，等社区量化版一出我就迁。」
- 「BF16 权重 1.2 TB，8 卡 H200 起步，个人玩家先洗洗睡，倒是期待昇腾和沐曦那边给出实测吞吐数据，别只发通稿。」
- 「Terminal-Bench 33.3 这项得盯紧，我们业务一半是 shell 任务，周一就用自己仓库的 case 复测，跑不过 GLM-5.3 就继续观望。」
- 「最惊喜的是四家国产芯片当天适配，希望这不是通稿式适配，过两周看看 vLLM Ascend 后端的实际吞吐再说。」
总结
Step 5 Preview 的开源，把「600B 总参、27B 激活、1M 上下文」这套效率组合交到了开发者手里，也把国产芯片的适配速度推到了与权重发布同步的水平——从昇腾超节点到摩尔线程消费级生态，四条路线同一天给出支持，这种密度在国产模型开源史上还是头一回。协议上的商业条款、终端任务上的短板，都是需要正视的边界，但可复现、可自托管、可自由评测这件事本身，已经比任何榜单分数都有价值。至于它能否坐稳开源前三，接下来几周社区实测会给答案。
