StepFun 14 жовтня відкрила ваги Step 5 Preview — MoE-моделі на 600B параметрів, з яких 27B активні на токен, із контекстом до 1M токенів.
StepFun позиціонує модель для агентної розробки. Її найкращий незалежний результат — 88,3% на AA-LCR, тесті на міркування з довгим контекстом від Artificial Analysis, за даними MarkTechPost. На Terminal-Bench 4.0 модель набрала 33,3% проти 41,9% у GLM-5.3.
Що потрібно, щоб запустити Step 5 Preview самому?
Step 5 Preview у FP8 потребує 4 GPU B300 або 8 GPU H200 на одному вузлі. Сам чекпойнт FP8 займає 650,32 GB. BF16-версії потрібні 8 B300 на одному вузлі або 16 H200 на двох.
Для запуску FP8 у vLLM і SGLang є окремі Docker-образи з OpenAI-сумісним API. Наведені конфігурації для BF16 передбачають vLLM. На Blackwell режими експертного паралелізму працюють через бекенд MegaMoE. Transformers підтримує лише офлайн-генерацію; повний процес роботи з BF16-шардами ще не перевірено від початку до кінця.
Які сильні та слабкі результати має Step 5 Preview?
Step 5 Preview має найкращий незалежний результат на AA-LCR — 88,3%, але низькі показники на SRE Bench та юридичному бенчмарку Harvey. Незалежні виміри Artificial Analysis, наведені через OpenRouter, також дають моделі 43,7 на Intelligence Index, 46,5% на Humanity’s Last Exam і 54,3% на GDPval-AA.
Власні тести StepFun дають 67,7 на DeepSWE v1.1, 33,3 на Terminal-Bench 4.0 і 29,5 на Agents’ Last Exam (ALE-CLI). У фінансах модель набрала 66,4% на FrontierFinance: більше, ніж GLM-5.3 і Kimi K3, але менше, ніж 69,7% у Claude Opus 5. Результати Vals AI становлять 0,4% на SRE Bench і 9,2% на Harvey’s Legal Agent Benchmark.
За наведеними результатами, у програмуванні модель близька до моделей із відкритими вагами GLM-5.3 і Kimi K3 та відстає від GPT-6 Astra і Claude Opus 5. На Terminal-Bench 4.0 розрив із GLM-5.3 становить 41,9 − 33,3 = 8,6 п.п. Порівняння має обмеження: StepFun тестувала Step 5 Preview у режимі High, а конкуренти на її графіку працювали на Max. Рядки порівняння з відкритими моделями MarkTechPost наводить із графіка StepFun у переказі CellCog і eesel.
Як Step 5 Preview працює з довгим контекстом?
Step 5 Preview поєднує шари уваги з ковзним вікном і шари повної уваги у співвідношенні 3:1. Архітектура складається з 92 блоків трансформера. У шарах повної уваги розріджений GQA вибирає для кожного запиту 4 096 токенів історії, оцінюючи їх блоками по 8.
За описом технічної команди StepFun, спекулятивне декодування з головою MTP-3 дає приблизно 30% прискорення всього процесу генерації. Модель навчали зі змішаною точністю FP8.
Скільки коштує API StepFun?
API StepFun коштує $1,00 за 1M вхідних токенів і $2,70 за 1M вихідних. Вхідні токени, знайдені в кеші, коштують $0,10 за 1M — у 10 разів дешевше за звичайний вхід: $1,00 / $0,10 = 10.
Тариф на вихід охоплює токени міркування, тому їх також потрібно враховувати в розрахунку вартості. API підтримує рівні міркування low, medium і high, виклики інструментів та виведення за JSON Schema.
Які налаштування запуску рекомендує StepFun?
StepFun рекомендує temperature 1,0, top_p 0,95 і top_k 0. Для самостійного запуску FP8 доступні готові Docker-образи vLLM і SGLang.
