前沿热点
前沿热点

花 1/8 的钱硬刚 Opus 5:Step 5 Preview 值得等吗

据 ai-bot.cn 2026-09-20 收录,阶跃星辰发布新一代旗舰基座模型 Step 5 Preview:稀疏 MoE 架构,总参 600B、每次推理仅激活 27B,原生 100 万 Token 上下文加文本与视觉多模态,面向真实世界 Agentic 任务设计。Artificial Analysis Intelligence Index 拿到 44 分、位居开源模型前三,单任务成本据称仅为 Claude Opus 5 的 1/8,GPU Kernel 优化 508 TFLOPS 略高于 Opus 5 的 493,并展示 22 小时级连续自主 Agent 任务。口径如实标注:数字来自厂商竞品表,每 token 单价与稳定性仍是 Preview 阶段两大未知,权重预告 2026-10-15 才释放,本文不吹不黑只给五个判断。

发布于 2026年9月20日7 分钟阅读
<!-- step-5-preview-hotspot | hotspot | 花 1/8 的钱硬刚 Opus 5:Step 5 Preview 值得等吗 -->

2026 年 9 月 20 日,阶跃星辰(StepFun)推出新一代旗舰基座模型 Step 5 Preview。消息由阶跃星辰官方放出,并被 ai-bot.cn 9 月 20 日每日快讯收录。这条消息值得中国技术从业者认真看一眼:它不是又一款"参数更大"的基座模型,而是一台面向真实世界 Agentic 任务设计的稀疏 MoE 旗舰。它总参 600B、推理仅激活 27B,原生 100 万 Token 上下文,原生多模态(文本加视觉),在 Artificial Analysis Intelligence Index 拿到 44 分、位居开源模型前三,而单任务成本据称仅为 Claude Opus 5 的 1/8。本文不吹不黑,只谈五个判断:发布与硬参数速览、"44 分只花 1/8 的钱"该怎么读、22 小时连续 Agent 任务意味着什么、开源时间表值得等的三个理由与两个风险、以及一轮冷思考。关于本批国产开源编码代理的配套资源,可看本站 MiniMax Code CLI 开源资源盘点;关于终端编码代理的横评,可看本站 终端编码代理横评;关于把模型接进建站流程的 SOP,可看本站 Qoder Sites 建站 SOP。

一、发布与硬参数速览:600B 总参,27B 激活,百万上下文

先说清楚它是什么。Step 5 Preview 是阶跃星辰推出的新一代旗舰基座模型,面向真实世界 Agentic 任务设计,不是纯聊天模型,也不是单点工具。据 ai-bot.cn 9 月 20 日收录,它采用稀疏 MoE 架构,总参数 600B,每次推理只激活 27B,支持 100 万 Token 上下文,原生多模态(文本加视觉)。这意味着它和过去"全家桶一起算"的稠密模型不同:推理时只唤醒与当前任务相关的专家,把旗舰级能力和更低的单次算力成本分开。

100 万 Token 上下文是这次的地基。官方口径下,1M token 能原生容纳数十小时任务链里的历史执行记录、工具返回结果与调试反馈,避免分段导致的上下文割裂。对长程 Agent 任务来说,分段是老痛点:切错了边界就会丢掉前后文,后续所有规划都建立在残缺输入上。原生长上下文把"一次跑完"变成可能,这也是它敢于宣称"连续自主任务"的硬件前提。

使用入口分三层。网页端在 studio.stepfun.com 直接对话,最适合先体验能力边界。国内 API 走 platform.stepfun.com,海外 API 走 platform.stepfun.ai,创建 API Key 后按文档调用接口,适合把能力接进自己的系统或 Agent 工作流。官网在 stepfun.com/step-5-preview。三层入口把"模型能力"和"交付流程"分开:模型负责规划与执行,外部工具负责落地,这种分工在后文会反复出现。

关于多模态,要补一句口径。当前原生输入是文本加视觉,没有音频与视频。也就是说它现在能读文档、截图、界面,并基于视觉信息迭代产出,但"看视频""听语音"不在本次原生范围里。对中文市场,视觉理解是真差异点;但对音视频原生的场景,这里还不是它的主战场,选型时别把范围读大。横向看多模态格局,可对照本站 Qwen3.8-Omni-Flash 全模态热点。

二、"44 分只花 1/8 的钱"该怎么读:效率路线的真实含义

这一节是本文的第一个核心判断。据 ai-bot.cn 9 月 20 日收录,Step 5 Preview 在 Artificial Analysis Intelligence Index 拿到 44 分,位居开源模型前三,仅次于 GPT-6 Astra 与 Claude Opus 5;而单任务成本据称仅为 Claude Opus 5 的 1/8。把"44 分"和"1/8 成本"并读,结论不是"它打赢了 Opus 5",而是"它走出了一条和闭源旗舰不同的帕累托路线"。

先拆解 1/8 是怎么来的。据 ai-bot.cn 9 月 20 日收录,核心原因是稀疏 MoE:总参 600B 但每次只激活 27B,"按需调用专家"让旗舰级能力不必每次都付全价。这种路线和"把模型做得更大更贵"相反,它追求的是"同样的能力花更少的钱"。所以 1/8 不是营销话术里那种凭空打出来的折扣,而是架构选择带来的结构性后果。换句话,它的便宜来自架构,而不是来自补贴。

再逐项对比和 Opus 5 的输赢,口径必须如实写。据 ai-bot.cn 9 月 20 日收录的竞品表:上下文窗口 Step 5 Preview 100 万 Token 对 Opus 5 的 200K,Step 5 大幅胜,这对长程任务是关键。GPU Kernel 优化 508 TFLOPS 对 Opus 5 的 493 TFLOPS,Step 5 略优。AIME24 后训练从 53.3% 提升到 60%,双方持平,但 Step 5 的 token 消耗更少。Intelligence Index 上 Opus 5 略高于 44 分,Opus 5 胜这一项。开源情况上,Step 5 预告 2026 年 10 月 15 日释权重,而 Opus 5 闭源仅 API。把这几项摆在一起:Step 5 在成本、上下文、单位算力三项占优,在绝对智力指数一项落后,在"是否开源"上两者性质不同(一个预告开放,一个永久闭源)。

必须补一句:这些数字来自厂商竞品表,口径由官方给定,benchmark 不等于全部真实场景,单点分数更不等于产品体验。尤其"单任务成本 1/8"是厂商口径下的对比,真实账单还取决于你的任务长度、调用频次和上下文占用。本文如此陈列,是为了把"花更少的钱拿到接近旗舰的智力"这个事实摆平,而不是替任何一方站台。真正落地时,建议拿自己的数据跑一轮小样本,再决定主用哪家。关于长上下文的真实成本账,可看本站 长上下文 Agent 成本横评。

三、22 小时连续 Agent 任务意味着什么:长程自主的真实边界

这一节是本文的第二个核心判断,也是最需要泼冷水的地方。据 ai-bot.cn 9 月 20 日收录,Step 5 Preview 可连续执行超 22 小时的自主任务,如把 GPU 内核优化到 508 TFLOPS、超越 Claude Opus 5;而详情页另一处口径写的是"可在 24 小时内持续执行复杂任务"。两处不一致,本文如实说明:快讯口径是"超 22 小时",详情页口径是"24 小时内"。无论取哪个,指向的都是同一件事——它能在数十小时的任务链里持续规划、调用工具、读取反馈、自我纠错,而不是跑完一轮就交差。

长程自主为什么值钱?因为真实工程任务从来不是单轮问答。优化一个 GPU 内核、自动化一条后训练数据流程、把一个项目从零搭起来,这些活都要"规划、执行、观测、修正"的循环反复跑几十轮。过去模型在长任务里会"忘了前面干了啥",上下文一满就断片,后面全错。Step 5 用 100 万 Token 上下文把整条任务链的历史留在窗口里,并据官方披露形成自主的"规划、执行、观测、修正"闭环,可访问串口、摄像头、API 等外部工具,根据真实环境返回的状态和报错持续改代码,直到任务完成。这才是它和"只会答一轮"的模型最本质的区别。

但边界要讲清楚。第一,口径本身不一致,22 小时和 24 小时是两个数字,说明厂商自己也没给一个被严格公证的连续运行时长,把它当作"已验证的 24 小时无人值守"是过度解读。第二,"连续执行"不等于"一次成功"。在数十小时的链条里,任何一次工具返回异常、环境变动或目标漂移,都可能让后续动作跑偏,而这类错误的修复目前仍主要靠人在回路里兜底。第三,可操作真实硬件这块有具体案例支撑:据 ai-bot.cn 9 月 20 日收录,它能操作串口和摄像头、基于真实硬件返回的报错持续调试代码超过 3 小时,ESP32 开发板改造是其中的代表。3 小时是有实证锚点的,22/24 小时是更上层的整体口径,两者强度不同,别混为一谈。

把边界说透:Step 5 把"长程 Agent"从演示推到了"可用"的门槛,但它现在更像"能连续干几十小时活的强辅助",而不是"关上门就不用人管的全自动工厂"。对从业者来说,正确姿态是把长任务拆成可观测的阶段,在关键节点留人工确认,别把整条链路焊死在单一模型上。

四、开源时间表值得等的三个理由与两个风险:10 月 15 日释权重

这一节必须先把事实摆正。据 ai-bot.cn 9 月 20 日收录,Step 5 Preview 预告 2026 年 10 月 15 日释放完整权重——也就是说,当前是 Preview 阶段,权重尚未放出,它现在还不是开源模型。本次也没有独立 GitHub 代码仓,按站内纪律只能做热点篇,不做开源篇。因此,整篇都要记住一句话:你现在能在 studio 和 API 上体验的是 Preview,能下载权重要等到 10 月 15 日。

值得等的三个理由。第一,权重真放出后,你就能本地部署、私有化、改架构、做蒸馏,把"用 API"升级成"自己掌握模型",对数据敏感和金融、政企场景尤其关键。第二,600B 总参、27B 激活的稀疏 MoE 一旦开源,社区可以拿它做大量可复现的效率研究,"1/8 成本"这个命题才有第三方验证的空间,而不是只停在厂商口径。第三,它在长上下文和 Agentic 闭环上的设计思路,开源后会成为后来者的参考基线,推动整个国产基座的效率路线往前走。

但有两个风险必须讲。第一,"预告"不等于"一定准时"。大模型开源历史上跳票、分阶段放、先放小模型后放大模型的情况不少见,10 月 15 日这个日期是厂商口径,是否如期、放出的是不是完整权重、用什么许可,都要等当天核实,别提前当成已发生的事实。第二,硬件操作类任务的真实可用度待证。它能调试 ESP32 超过 3 小时是实证,但串口、摄像头之外的真实工业设备、不同接线、不同固件,泛化到什么程度没有公开评测。也就是说,"能操作真实硬件"目前是个有锚点但范围有限的结论,别读成"什么硬件都能接"。

一句话收束:10 月 15 日这个日期值得在日历上标,但标的是"待验证",不是"已确定"。等权重真正放出、许可明确、社区跑出复现结果,再把它写进你的技术选型,才是稳妥的工程姿态。

五、冷思考:评测分与真实交付的落差,以及 Preview 阶段的两大未知

最后一轮冷思考,也必须泼。第一,评测分和真实交付之间有落差。44 分、508 TFLOPS、AIME24 60%、553 仓库 33 语言,这些数字很亮,但都来自厂商口径或厂商选定的场景。Intelligence Index 是综合智力代理,不等于你项目里那一个具体任务的交付质量;AIME24 是数学竞赛题,不等于生产环境的鲁棒性;553 仓库是厂商公布的覆盖,不等于你私有代码库里一次就修对。把榜单优势直接当成交付优势,是这一轮国产旗舰最容易让人误读的地方。务必用你自己的小样本去压,再下结论。

第二,Preview 阶段有两大未知,现在都答不了。其一是 API 价格未知。这次只给了"单任务成本 1/8 Opus 5"的对比口径,没有给出你接入时要付的每 token 单价、阶梯价、长上下文的计费方式。对要把它接进生产的人,真实的月度账单才是决策依据,而这个号码现在没有。其二是稳定性未知。Preview 意味着还在迭代,速率限制、可用性、工具调用的一致性、长任务的断点恢复,这些只有大规模公测后才看得到。把关键链路现在就绑死在 Preview 上,风险自担。关于把模型接进建站类 Agent 工作流的落地方法,可看本站 Qoder Sites 建站 SOP;关于终端编码代理的横向能力,可看本站 终端编码代理横评。

第三,竞品不会坐视。Opus 5 在绝对智力指数上仍略胜,GPT-6 Astra 排在它前面,阿里、腾讯、字节、智谱等也都有长上下文或 Agent 布局。Step 5 Preview 今天领先的是"用稀疏 MoE 把成本打到 1/8 且保持接近旗舰的智力",这个窗口会不会被快速追上,取决于对手把效率路线补到什么程度。对从业者来说,正确姿态是:把今天能体验的能力接进工作流,同时留好多模型切换的接口,别把关键链路绑死在单一厂商。今天赢在效率,明天可能别人赢在别处,留好退路才是工程上的成熟。

本文的判断收束为一句话:Step 5 Preview 的意义,不在于它把某项 benchmark 刷到了第一(它没刷到),而在于它用稀疏 MoE 把"接近旗舰的智力"和"1/8 的成本"第一次摆到了同一张表上,并用 22 小时级的长程 Agent 展示了国产基座往"能干活"方向走的一步。它是否成为你的生产工具,留给 10 月 15 日的权重和你的场景决定;但"效率路线正在成为国产旗舰的主战场"这个趋势,阶跃星辰用 9 月 20 日的这一发布替行业说清楚了。

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-09-20

相关文章

前沿热点

Kimi 放出 2.8 万亿参数权重,1.56TB 你下得动吗

北京时间 2026 年 11 月 5 日零点,月之暗面把 Kimi K3.1 Pro 权重放上 HuggingFace,兑现 10 月 23 日上线时的承诺。模型总参数 2.8 万亿、每次激活约 104B、上下文 1048576 token,注意力层为 69 层 KDA 加 24 层 Gated DSA 稀疏注意力,视觉编码器 401M,权重采用 MXFP4 量化与 MXFP8 激活的量化感知训练,共约 1.56TB。官方口径 Terminal-Bench 4.0 得 65.7;第三方 Agent Arena 真实会话榜排开源模型第一、净改进率 +5.29%(初步排名,第二名 MiMo-V2.6-Pro +2.68%)。许可为 Kimi K3.1 Pro License:MaaS 业务连续 12 个月合计收入超 2000 万美元须另签协议;月活超 1 亿或月收入超 2000 万美元的产品须显著标示模型名;内部使用与官方认证伙伴豁免。

2026年11月5日9 分钟阅读
前沿热点

先砍攻击力,再开源 3 万亿参数:Kimi 图什么

Kimi K3.1 Pro 2026 年 10 月 24 日凌晨发布:3 万亿参数、100 万上下文,权重 11 月 4 日前公开。最不寻常的是官方主动披露「删了什么」:移除网络攻击相关训练数据后,真实漏洞利用成绩从训练版的 90.5% 降到发布版 81.0%(K3 同基准 33.3%),换来 Terminal-Bench 12.6→65.7 的编程跃升与 AA Intelligence 55 全球第 4;定价 1.3/13/68 元直降三分之一。结合商务部 AI 出口管制草案与 Anthropic 失控调查看,「先砍攻击力再开源」是一场用能力换生存空间的主动选择。

2026年10月25日9 分钟阅读
前沿热点

42B 激活、816B 的账:为何两台 Mac 才跑得动

Meta Superintelligence Labs 于 2026-10-15 发布 Muse Spark Open 开放权重模型:总参数 816B、每 token 激活约 42B 的稀疏 MoE,原生接受文本、图像、视频、音频输入,上下文 1M token,与 Muse Spark 1.3 共享同一 base model,以 Muse Model License 发布(官方表述为 limited commercial terms, which allow many developers to use the model for free,具体条款以 LICENSE 原文为准,本文不解释条款细节)。本文的重点不是又开放了一个大模型,而是那笔最容易被省略的账:42B 激活降低的是每 token 计算量,不是显存门槛——完整 checkpoint 仍须全部驻留,再叠加 KV cache、激活值与运行时开销;按字节数粗算(本站推算,非官方数据)BF16 约 1.6TB、FP8 约 816GB、4 比特约 408GB。这也是官方桌面方案为何是两台 Apple M5 Ultra Mac Studio 的原因:单机统一内存上限 512GB、两台合计约 1TB,内存带宽 1.2TB/s,走最新版 Apple MLX,官方描述为两台机器表现得像一台拥有万亿字节统一内存的超级计算机。生态侧首日支持 7 个推理运行时(SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unsloth),验证于 NVIDIA、AMD、Intel、Apple silicon;四条量化分支(Meta 的 BF16 与 NVFP4、AMD 的 FP8 与 MXFP4、为 Intel Crescent Island 优化的 INT4 与 MXFP4、Unsloth 的 GGUF);投机解码 draft 用 SGLang 的 DFlash V2 与 vLLM 的 DSpark;PyTorch 原生 Helion 内核在 SGLang 中提供 auto-tunable kernel,官方口径 kernel 级 1.03 到 3.95 倍加速,AMD MI350 端到端 3%(厂商自测)。安全上相比 8 月的 Muse Spark 追加了安全后训练,按 Meta Superintelligence Scaling Framework 评估达发布阈值,完整评估报告官方称即将发布。三处必须写明的信息缺口:官方未公布桌面演示所用精度、实际内存占用与可用上下文长度;未给跨机互联的带宽与延迟;未给 tokens/s。据 dev.to 转述 Meta 官方对比图(二手,非独立复测),它在六项对比中第一,含 tool use 方向的 JobBench 与 MCP-Atlas,但在终端编程与长程软件工程的 GDPVal-AA 上落后于 Kimi K3 与 GLM 5.3。与站内 2026-07-31《Meta Muse Spark 1.1》的分工:那篇讲闭源 1.1 与 Meta 首个付费 API,本文讲开放权重版与本地跑法,两篇不重复。

2026年10月17日9 分钟阅读