Step 5 Preview
阶跃 Step 5 预览版 · StepFun 阶跃星辰（中国） · 发布 2026-09-20 · Preview
阶跃 600B / 27B 激活的 agent 旗舰，$1 / $2.70，权重已于 10-15 开放。
- 类型
- MoE
- 注意力
- 未披露
- 层数
- 未披露
- 专家
- 未披露
- 隐藏维
- 未披露
- 词表
- 未披露
官方发布页写「稀疏 MoE，600B 总参 / 每 token 激活 27B」，原生支持图像与视频输入、1M 上下文。官方未公布层数、专家数、注意力结构、预训练 token 量与知识截止。权重已于 2026-10-15 开放：官方 Hugging Face 组织 stepfun-ai 上线 Step-5-Preview（FP8）、Step-5-Preview-BF16 与 Step-5-Preview-NVFP4 三个仓库，ModelScope 同步提供 FP8 与 BF16，许可为 StepFun Model License 1.0。模型标识为 step5_vl。注意开源权重的模型卡与 API 文档口径有出入：模型卡规格表写「输入：文本、图像」「最大输出：最高 1M」（1M 窗口为输入输出合一），而 API 侧最大输出为 64k；模型卡正文仍称原生接受文本、图像与视频。计费口径上官方把它归入「多模态推理模型」，输出 token 含思考过程。
完善中
| 精度 | 权重大小 | 说明 |
|---|---|---|
| BF16 | — | 暂无 |
| FP8 | — | 暂无 |
| Q8 | — | 暂无 |
| Q4 | — | 暂无 |
- 消费级 24GB
- 未评估
- 单卡 80GB
- 未评估
- 8×80GB 节点
- 未评估
KV Cache：官方未给 safetensors 文件体积。官方部署矩阵（vLLM / SGLang / Transformers）：FP8 为单节点 4×B300（TP4 / TEP4 / DEP4）或单节点 8×H200（TP8 / TEP8 / DEP8）；BF16 为单节点 8×B300 或两节点 16×H200（TP16 / TEP16 / DEP16）。B300 上 TEP / DEP 走 MegaMoE（--moe-backend deep_gemm_mega_moe），H200 用默认 MoE 后端。官方提示这些配置只是能装下权重的起点，1M 单请求还要额外的 KV 缓存与运行态显存；另明确 BF16 部署必须用 BF16 checkpoint，对 FP8 checkpoint 加 --dtype bfloat16 不会还原权重。带 MTP 投机解码（--spec-method mtp --spec-tokens 3）。600B 总参即便 FP8 也是整机级负载
⚠ 能加载 ≠ 能在满上下文 / 高并发下舒服跑。标「估」的数字来自 计算器 公式或社区量化文件大小。
完善中
| 配置 | 量化 | 占用 / 显存 | 解码 tok/s | 预填充 tok/s | 最大上下文 |
|---|---|---|---|---|---|
| 8× L40S 48GB工作站 | Q4_K_M估 | 358 GB / 384 GB | 243 | 6067 | 未建模 |
| 4× RTX PRO 6000 Blackwell 96GB工作站 | Q4_K_M估 | 353 GB / 384 GB | 252 | 8333 | 未建模 |
| 8× A100 80GB数据中心 | FP8估 | 610 GB / 640 GB | 332 | 20800 | 未建模 |
| 4× H20 96GB数据中心 | Q4_K_M估 | 353 GB / 384 GB | 562 | 2467 | 未建模 |
| 8× 昇腾 Ascend 910B 64GB数据中心 | Q6_K估 | 490 GB / 512 GB | 326 | 18667 | 未建模 |
| 8× H100 80GB PCIe数据中心 | FP8估 | 610 GB / 640 GB | 326 | 50400 | 未建模 |
| 8× H100 80GB SXM数据中心 | FP8估 | 610 GB / 640 GB | 546 | 65933 | 未建模 |
| 2× AMD MI300X 192GB数据中心 | Q4_K_M估 | 350 GB / 384 GB | 372 | 21783 | 未建模 |
| 4× H200 141GB数据中心 | Q6_K估 | 485 GB / 564 GB | 489 | 32967 | 未建模 |
| 2× B200 192GB数据中心 | Q4_K_M估 | 350 GB / 384 GB | 562 | 37500 | 未建模 |
| Mac Studio M3 Ultra 512GB统一内存 | Q6_K估 | 481 GB / 490 GB | 19 | 475 | 未建模 |
单流（batch=1）估算：解码 ≈ 显存带宽 × 效率 ÷ 每 token 读取字节（激活参数 × 量化位宽 + KV）；预填充 ≈ FP16 算力 × 0.45 ÷ (2 × 激活参数)。多卡按张量并行、带宽求和 × 0.55。实际受引擎、驱动、PCIe 影响，误差 ±30%。反向查：我的卡能跑谁 →
编程DeepSWE v1.1 67.7%（官方发布页，High 档，SWE-agent harness）。独立 DeepSWE 榜统一用 mini-swe-agent 且未收录本模型，不可直接对比。
知识GPQA Diamond 93.5%、AA-LCR v1.1 88.3%、CritPt 20.9%（阶跃官方发布页对比表，High 档）。官方表另列 HLE 46.5%，但该行工具设定存在争议，本站未并入总榜。
AgentTerminal-Bench v2.1 85.0%、Terminal-Bench v4 33.3%（均为官方发布页 High 档）。vals.ai 独立跑 Terminal-Bench 4.0 得 31.8%，与官方 v4 数值接近。
多模态官方声明原生文本 + 图像 + 视频输入：图像支持 URL / Base64，JPG、PNG、WebP 与静态 GIF，单请求最多 60 张，detail 两档；视频支持 MP4、QuickTime、Matroska，单文件 <128MB、官方建议 ≤5 分钟。官方未公布 MMMU 等多模态评测分数。
中文中文原生（阶跃为中国厂商，另有中国站平台），但官方未公布任何中文评测分数，本站无中文榜数据。
定位是「低价 agent 旗舰」：官方主打软件工程、专业知识工作与金融，发布页把对比列直接摆成 GLM-5.3、Kimi K3、GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5，自我定位是追开源头部而非超越闭源前沿。从官方表看形状比较清楚：知识与长上下文是强项（GPQA Diamond 93.5 与 Kimi K3 并列、AA-LCR v1.1 88.3 反超表里所有闭源列），编码与终端任务则贴着开源同档（DeepSWE 67.7 对 Kimi K3 67.5、GLM-5.3 66.9，而 GPT-6 Astra 74.1；Terminal-Bench v2.1 85.0 对 Kimi K3 85.0、GLM-5.3 83.9，闭源列都在 88 以上），物理推理的 CritPt 20.9 是表里最低一档。真正要留意的是口径：同一张表里 Terminal-Bench v4 只有 33.3，被 GLM-5.3 的 41.9 反超，说明换成更难的新版终端评测后它的排序会变。独立侧目前只有 Artificial Analysis 与 vals.ai 覆盖了少数几项，AA 另外测到它输出极为冗长（评测期生成约 1.6 亿 token，对比中位数约 9400 万），按 token 计费时这是直接的成本乘数。阶跃把它定义为新旗舰而非 Step 3.7 Flash 的替代，后者仍在官方价目表上。
- 1.稀疏 MoE 600B 总参 / 27B 激活，1M 上下文，原生吃文本 + 图像 + 视频
- 2.权重已开放（2026-10-15）：官方 HF 与 ModelScope 同步上线 FP8 / BF16 / NVFP4 三份，许可为 StepFun Model License 1.0 —— Apache-2.0 风格，但加了署名与商用门槛条款（见坑）
- 3.官方自测表（High 档）：GPQA Diamond 93.5%、Terminal-Bench v2.1 85.0%、DeepSWE v1.1 67.7%、AA-LCR v1.1 88.3%，自称与 Kimi K3、GLM-5.3 同档
- 4.价格是同级里的低位：$1.00 / $2.70，缓存命中 $0.10（输入价的 10%），单一费率无长上下文加价
- 5.国产算力 Day-0 支持齐全：华为昇腾（vLLM Ascend，同日点亮 1024 卡 Atlas 950 SuperPoD 液冷超节点）、沐曦曦云 C 系列、壁仞壁砺系列、摩尔线程 MTT S5000 均官方宣布 0Day 适配
- 6.工程接口齐全：OpenAI 兼容 + Anthropic Messages 兼容，effort 三档 low/medium/high，并行工具调用、JSON Schema 严格输出、提示缓存，官方给了 Claude Code 接入文档
- 1.许可不是标准开源：StepFun Model License 1.0 虽是 Apache-2.0 风格，但第 2(b) 条规定任一自然月内若产品月活超 1 亿或营收超 2,000 万美元，此后必须在界面与用户协议里显著标注「Powered by StepFun AI」；第 2(c) 条规定两类情形必须先单独签商业协议 —— 一是硬件厂商 / 品牌方把模型能力作为设备或配套服务的功能首次商用，二是你或关联方在运营 MaaS 业务且合计营收 12 个月内超 2,000 万美元。纯内部使用与官方认证渠道取得的副本不受 2(c) 约束
- 2.Preview 状态，官方未承诺行为与分数稳定；知识截止官方未公布
- 3.开源权重的模型卡与 API 文档口径不一致：模型卡规格表写「输入：文本、图像」且最大输出「最高 1M」（输入输出合一），而 API 侧最大输出是 64k，模型卡正文又说原生接受视频 —— 按哪套算要看你走 API 还是自建
- 4.编码与 agent 分数全是厂商自测且 harness 不同口径：官方 DeepSWE 跑的是 SWE-agent，独立 DeepSWE 榜统一用 mini-swe-agent，不可直接对比；独立榜单当前只覆盖到 HLE、AA-AnalystAgent 与 Terminal-Bench 4.0 三项
- 5.官方表里 HLE 46.5% 一行的工具设定有争议（有追踪方指出该行混了「带工具」与「纯文本子集」口径），故本站未把 HLE 并入总榜，只记在这里
- 6.官方同时给 Terminal-Bench v2.1 85.0% 与 Terminal-Bench v4 33.3%，两套口径差距极大；本站 terminal 列是 2.x 口径，看 v4 的话它落在 GLM-5.3（41.9）之后
- 7.自建门槛高：FP8 要单节点 4×B300 或 8×H200，BF16 要 8×B300 或两节点 16×H200，且官方注明这些配置只够装下权重、不保证能跑满 1M 单请求；BF16 必须用 BF16 checkpoint，对 FP8 份加 --dtype bfloat16 不会还原
- 8.部署需专用构建：官方 vLLM 走 vllm/vllm-openai:step-5-preview 镜像，并要 --reasoning-parser step5 与 --tool-call-parser step5 这两个专用解析器
- 9.两个平台两套账号与价格：国际站 api.stepfun.ai 与中国站 api.stepfun.com 的密钥互相拒绝，价目也各自独立，跨区部署要分别开通
| 基准 | 分数 | 来源 | 日期 | 证据 |
|---|---|---|---|---|
| GPQA Diamond研究生级科学问答 | 93.5% | 阶跃 Step 5 Preview 官方发布页对比表（High 档，Terminal-Bench v2.1） | 2026-10-12 | 厂商公布 |
| Terminal-Bench终端 agent | 85% | 阶跃 Step 5 Preview 官方发布页对比表（High 档，Terminal-Bench v2.1） | 2026-10-12 | 厂商公布 |
更新 2026-10-16 · 排名供选型参考，基准会饱和、会泄漏、会过时。