阶跃星辰开源Step 5 Preview：600B MoE、百万token上下文

阶跃星辰（StepFun）于10月14日以开放权重形式发布了其面向智能体（agentic）场景的旗舰模型Step 5 Preview，FP8与BF16两种精度的检查点已同步上线Hugging Face与ModelScope。模型总参数量达600B，采用稀疏MoE架构，每个token仅激活27B参数，上下文窗口最长支持100万token。对于希望自托管部署的开发者而言，这是编码Agent、长文档分析和金融工作流的一个新选项。

从API到开放权重：发布节奏与定位

Step 5 Preview的API早在9月20日就已上线，而权重则在10月14日跟进开放。阶跃星辰将模型定位为软件工程、专业知识工作与金融领域的智能体引擎：它能在大型代码库中导航、协调跨多文件的修改、执行代码并根据结果迭代，同时也能分析长文档、图表、截图乃至视频，产出结构化报告。

值得注意的是，开放权重版与API版的模态能力存在差异：API支持文本、图像与视频输入，而开放权重版本支持文本与图像。权重采用StepFun Model License 1.0许可发布，这是国产大模型向开源生态靠近的又一例证。

架构拆解：窄而深的92层设计

阶跃星辰技术团队公开了模型内部细节。Step 5 Preview共92个transformer块，采用窄而深的纵向堆叠设计。注意力机制上，模型在门控滑动窗口注意力与全注意力层之间按3:1比例交错排布，兼顾长程依赖与推理效率。

在全注意力层中，模型采用稀疏GQA，每个query仅从历史中挑选4096个token参与计算，并按8个token为块进行打分。解码侧配备MTP-3投机解码头，官方称可带来约30%的端到端加速。训练方面，模型使用FP8混合精度训练，并在百万级可验证的智能体环境中进行了强化学习。

跑分表现：长上下文是强项，终端操作是短板

阶跃星辰的自测均在High推理档位完成，而对比图表中竞品以Max档运行，因此并非严格同口径对比。官方报告的Hugging Face模型卡成绩为：DeepSWE v1.1得67.7分（SWE-agent测试框架，temperature 1.0、top_p 0.95），Terminal-Bench 4.0为33.3分，Agents' Last Exam（ALE-CLI）为29.5分。

第三方独立数据来自Artificial Analysis经由OpenRouter的测评：智能指数（Intelligence Index）43.7分；AA-LCR长上下文推理高达88.3%，这是模型最亮眼的单项；Humanity's Last Exam为46.5%；GDPval-AA为54.3%。

但短板同样明显：Vals AI的测评显示，SRE Bench仅0.4%，Harvey法律智能体基准也只有9.2%。在金融方向，官方图表显示FrontierFinance得66.4%，超过GLM-5.3（64.1%）和Kimi K3（62.6%），但落后于Claude Opus 5的69.7%。

与GLM-5.3、Kimi K3等同门对比

在开放权重阵营中，Step 5 Preview与智谱GLM-5.3、月之暗面Kimi K3形成直接竞争。GLM-5.3总参数量约753B（按Hugging Face文件大小推算），激活参数未披露；Kimi K3总参数高达2.8T，激活104B。三者的上下文窗口均为1M token。

价格方面，Step 5 Preview的API输入每百万token收费1.00美元、输出2.70美元，缓存命中低至0.10美元，且输出计费已包含推理token——相比之下Kimi K3的输出价高达15.00美元。自部署方面，Step 5 Preview列出了明确的最低配置：FP8仅需4张B300或8张H200，这在同级别开放模型中属于罕见的透明度。

部署门槛：数据中心级硬件

Step 5 Preview是纯粹的数据中心模型。仅FP8检查点就有650.32GB。官方列出的配置为：FP8在vLLM或SGLang上运行需单节点4张B300或8张H200；BF16在vLLM上需单节点8张B300，或双节点共16张H200。Transformers库目前仅支持离线生成，完整的BF16分片流程尚未经过端到端验证。

vLLM和SGLang均已提供带OpenAI兼容API的专用Docker镜像；在Blackwell架构GPU上，专家并行模式使用MegaMoE后端。阶跃星辰建议推理参数为temperature 1.0、top_p 0.95、top_k 0。不过对个人开发者而言，如此规模的硬件需求意味着本地部署门槛极高，多数用户仍需通过API或云服务使用。

结语：MoE开源竞赛的中国力量

Step 5 Preview的发布，进一步印证了MoE稀疏架构加超长上下文正在成为国产旗舰开放模型的主流路线。88.3%的AA-LCR长上下文成绩说明其在这一赛道具备竞争力，但0.4%的SRE Bench和9.2%的法律基准也提醒用户：它距离GPT-6 Astra、Claude Opus 5等闭源顶尖模型仍有明显差距。接下来值得关注的，是社区能否在现有FP8/BF16权重基础上完成端到端验证、衍生量化版本，以及阶跃星辰后续的正式版迭代。