国产大模型这边又添一员猛将。阶跃星辰（StepFun）的旗舰基座模型 Step 5 Preview，官方在 9 月 20 日正式官宣，总参数量 600B、每个 Token 只激活 27B 的稀疏 MoE 架构，支持 1M Token 上下文窗口和视觉输入，主打真实世界的 Agentic 任务。进入 10 月之后，这款模型登上了 OpenRouter 的模型目录，开发者发现、对比、接入的门槛一下子低了不少，讨论热度也跟着又起了一波。
对普通用户来说，最关心的无非三件事：能力到底怎么样、贵不贵、什么时候能白嫖。官方给出的答案是：Artificial Analysis 智能指数 44 分，与 Kimi K3（Max）处于同一水平线，而在相近智能水平下，单任务成本（Task Cost）明显更低——第三方汇总的口径是，比同级领先开源模型大约便宜 65%，也就是成本只有人家的三分之一强，约 1/2.8。更关键的是，官方已明确模型将于 10 月 15 日正式开源，权重很快就能自己拉下来跑。
600B 总参、27B 激活：稀疏 MoE 的效率算盘
先拆一下这组参数。600B 是总参数量，代表模型的容量上限，相当于一个规模庞大的「专家团队」；27B 是每个 Token 实际激活的参数量，占比只有 4.5% 左右。稀疏 MoE（专家混合）架构的做法，是让路由器为每个 Token 挑选一小部分专家子网络参与计算，其余专家这轮休息。这样既保住了大容量模型的知识储备，又不用每一步都把全部参数算一遍。
不过要提醒一句，激活 27B 不等于推理成本等同于一个 27B 的稠密模型。专家路由、显存与通信开销、批次大小、上下文长度、服务端硬件，都会影响实际成本和速度。稀疏激活传递的是「效率导向」的设计信号，而不是成本保证。这一点在评估任何 MoE 模型时都适用，不光是 Step 5。
输入侧，Step 5 Preview 原生支持文本和图像输入，输出最高 64K Token。从官方定价页看，API 价格为每百万 Token 输入 1 美元、输出 2.7 美元，缓存命中时输入低至 0.05 美元——对需要反复跑长上下文的 Agent 循环来说，缓存命中价相当有吸引力。定位上，官方把它描述为面向复杂工作与代理任务的前沿模型，软件工程和金融领域是两个重点倾斜方向。
基准成绩：与 Kimi K3 掰手腕，多项小分反超
官方放出的评测里，最值得看的是它与 Kimi K3（Max）、GLM-5.3（Max）这两个国产旗舰的正面交锋。DeepSWE v1.1 上，Step 5 Preview（High）拿到 67.7，Kimi K3 是 67.5，GLM-5.3 是 66.9——三家咬得极紧，基本同一档位。StepCodeBench 上 Step 5 拿下 49.0，领先 K3 的 43.9 和 GLM 的 40.2；ProgramBench 通过率 80.5%，同样排在两家之前。
当然也有短板。Terminal-Bench v4 上 Step 5 只有 33.3，明显落后于 GLM-5.3 的 41.9；通用 Agent 的 GDPval-AA v2.1 也是 GLM 领先。金融方向倒是相当能打：FrontierFinance 66.4 排在国产三强之首，官方自研的 FinStepBench 三项金融评测（检索、估值、深度研究）也都压过 Kimi K3。而在第三方 Artificial Analysis 智能指数上，44 分的成绩与 Kimi K3 持平——考虑到成本只有大约 1/2.8，这笔账对价格敏感的用户就很直观了。
需要说明的是，StepCodeBench 是阶跃自研基准，多数成绩为厂商自报，目前还没有技术报告和完整的第三方复现。看看就好，别全信，等 10 月 15 日权重放出后社区自然会验一遍成色。
编程与长程任务：demo 有几分含金量
官方展示的能力案例里，有两类特别值得展开。一类是真实软件工程：Step 5 不止会写前端代码，还能直接参与视觉内容的生成与迭代，比如完成网页界面和数据可视化，调用 Blender 创建并反复调整 3D 资产，再把资产接进基于 Three.js 的交互式 Web 应用和游戏。官方自建的 StepCodeBench 覆盖 553 个独立代码仓库、9 类任务、20 个应用领域和 33 种编程语言，在内部和外部专家参与的评测中，约 70% 的评测者认为它可以自主完成中高复杂度的编程任务。
另一类是长程任务执行。一个直观的例子：官方给 Step 5 一张 H100、24 小时时间，让它从零优化一个 MLA GPU Kernel。模型自行实现、运行、根据吞吐结果继续修改，性能不升反降的版本直接放弃，最终在约 22 小时后做到前向加反向合计 508 TFLOPS，是对比中的最高结果。另一个实验里，它通过自动化后训练把一个 Qwen3-30B-A3B 基础模型的 AIME24 准确率从 53.3% 提到 60%，与 Claude Opus 5 持平，消耗的标注 Token 还更少。
长任务真正难的不只是跑得久，而是模型能不能一直记住前面的结果、理解新反馈、计划走不通时重新调整。1M Token 的上下文窗口，配合持续数百小时级的任务执行，正是冲着「上下文漂移」这个痛点去的。如果你试过大仓库级代码重构或者横跨几百份文档的深度研究，就能体会这种能力值多少钱。
国产高性价比路线：与 Qwen 3.8 打配合
把视角拉高一点，Step 5 Preview 的发布策略其实是国产开源路线的延续。就在不久前，阿里巴巴开源了 2.4 万亿参数、95B 激活的 Qwen 3.8，本站也写过它的开源解读；加上此前的 GLM、Kimi、DeepSeek，国产第一梯队几乎全部押注「超大稀疏 MoE + 开放权重」这条路。逻辑很一致：用 MoE 把旗舰能力做上去，再用开源把生态和开发者心智占住，商业 API 与开源权重双线收租。
Step 5 的差异化在于把「性价比」明牌打在了明面上：不宣称是最强模型，而是宣称在给定价格下你能买到的最好模型。Artificial Analysis 那张「帕累托前沿」图就是这个意思——智能与成本两条边界同时往前推。对跑 Agent 工作流的团队来说，单任务成本直接决定能不能规模化：同样预算下，成本只有 1/2.8 意味着能多跑近三倍的任务量，这在批量评测、数据标注、代码生成这类高吞吐场景里是实打实的竞争力。
国外同行也在同一个方向上卷：Mistral 刚发布了万亿参数的开源权重模型 Mistral Large 4，美国的 Reflection AI 拿出 501B 开源权重的 Beam。超大稀疏模型、小激活参数、按成本论英雄，已经是这一轮开源竞赛的公认打法，而中国实验室在这条赛道上明显跑在前面。
10 月 15 日开源：开发者怎么用好这波
落到实操层面。现在想尝鲜，可以直接在阶跃星辰的产品端和 API 里调用 step-5-preview，也可以走 OpenRouter 接入——进了聚合目录意味着发现和比价都方便，但各渠道的定价、限流、视觉与工具调用支持未必一致，接入前还是以你实际看到的模型页为准。
如果你在犹豫值不值得等开源：Step 的 Flash 小模型线此前以 Apache 2.0 协议开源，市场对 Step 5 的协议也抱有同样期待，但截至发稿官方还没公布模型卡和许可证，这点留个心眼。社区早期反馈里有人提到输出偏啰嗦，27B 的激活量也比一些「轻量版」旗舰更重，本地部署门槛不低——没几张卡的话，API 仍是更现实的选择。
对普通用户来说，最实在的建议是：拿自己手头的真实任务去测。把同一段提示词分别喂给 Step 5 Preview 和你现在用的模型，比一比结果质量和实际扣费，比看任何跑分都靠谱。10 月 15 日权重一放，第三方评测会很快跟上，到时候再决定要不要把它纳入生产环境也不迟。
相关阅读：
