跳转到主要内容

Step 5 预览：600B MoE，27B 激活——削减成本的开源强者

Step 5 预览：用更少做更多的稀疏 MoE

Step 刚刚全面揭晓了其新旗舰基础模型 Step5Preview。它专为真实世界的智能体任务而构建，并解决了一个经典的 AI 困境：能力、效率和成本之间的拉锯战。通常，提升其中一项意味着牺牲另一项。Step 的答案？一种扩展整个帕累托前沿的稀疏 MoE 架构。

关键在于：Step5Preview 拥有 600B 总参数，但每次仅激活 27B。它原生处理 100 万 token 上下文窗口，并同时处理文本和图像。在 Artificial Analysis Intelligence Index 上，它得分 44 分，跻身全球开源模型前三。成本呢？每个任务仅为 Claude Opus5 的八分之一。这意味着您可以用相同的预算获得更强的智能，或以更低的成本获得相同的性能。

Image

令人瞩目的硬技能

在艰难的基准测试中，Step5Preview 大显身手。在 Agents' Last Exam（CLI 子集 ALE-CLI）、金融研究评估 FrontierFinance 和跨领域深度研究 DRACO 上，它仅次于 GPT-6Astra 或 Claude Opus5。其他开源模型则落后。GDPval-AA v2 也采用了截至 9 月 19 日的最新结果，其中 DeepSWE v1.1 在 SWE-agent 测试框架下以 temperature=1.0 和 top_p=0.95 进行评估。

在编码方面，Step 构建了自己的 StepCodeBench，涵盖 553 个独立代码库、9 种任务类型、20 个应用领域和 33 种编程语言。Step5Preview 在整体成功率和跨场景稳定性方面表现出色。它处理错误修复、功能开发、重构和环境配置。在一个演示中，它阅读了一堆 ESP32 文档，将一块 ESP32-S3 板变成了一个带有蓝牙按钮和语音输入的 Vibe Coding 键盘。在此过程中，它打开了 COM 串口，调整了摄像头，捕获了设备图像，模拟了鼠标，并根据真实错误不断调试——整个过程持续了三个多小时。

Image

长时间任务：真正闪耀之处

给它 24 小时和一块 H100 来从头优化一个 MLA GPU 内核（头维度 512，批次 1，64 个注意力头，8192 个 token）。Step5Preview 独立修改代码，运行内核，并测量吞吐量。如果某个解决方案有效但减慢了速度，它会放弃该方案并从最佳版本继续。大约 22 小时后，它将峰值性能推至 508 TFLOPS，超过了 Claude Opus5 的 493 TFLOPS。

另一个 24 小时实验要求它通过自动化后训练在 AIME24 上改进 Qwen3-30B-A3B 基础模型。该模型自行决定如何使用带注释的 API 并调整数据，将准确率从 53.3% 提升至 60%——与 Opus5 相当，同时使用的注释 token 更少。

超越代码：前端、3D 和历史

Step5Preview 不仅仅编写网页。它可以调用 Blender 构建和调整 3D 资产，然后将它们集成到 Three.js 中以实现交互式应用和游戏。它甚至从一本 1922 年的书《广济铁路旅行指南》中提取信息，创建了一个旅程查询、成本计算和路线回放系统——让一列小火车沿着历史路线运行。真是将记录变成了交互式产品。

金融：综合能力的考验

Step 围绕企业研究设立了三个内部评估：FinStepBench-LiveSearch（随着需求变化检索和验证财务信息）、CorporateValuation（将数据和假设转化为可复现的估值）和 DeepResearch（从证据收集到完整报告）。外部基准 FrontierFinance 涵盖六种投资场景，包含 220 个专家问题和 11,543 条评分标准。Step5Preview 在所有四项中均表现出色。

更大的图景

从 Step3.5Flash 到 Step3.7Flash 再到 Step5Preview，Step 始终押注于一个理念：扩展的下一阶段不仅仅是增加更多计算——而是更有效地利用计算。在今天发布之后，完整的模型权重将于 10 月 15 日 提供。这个重新组合了能力、成本和效率的开源旗舰模型，已准备好让开发者将其作为智能体任务的日常主力。

要点

  • Step5Preview 采用稀疏 MoE 架构：总参数 600B，仅激活 27B。
  • 在 Artificial Analysis Intelligence Index 上得分 44，在开源模型中排名前三。
  • 每个任务的成本是 Claude Opus5 的八分之一。
  • 支持 100 万 token 上下文 和多模态（文本 + 视觉）输入。
  • 在编码、长周期任务、前端/3D 和金融研究方面表现出色。
  • 完整模型权重将于 10 月 15 日 发布。