600B MoE Esparsos Ativa 27B, Aumentando a Relação Custo-Benefício do Principal Modelo de Código Aberto

Passo 5 Preview, o mais recente modelo de fundação de bandeira, está agora oficialmente disponível. Seu propósito é claro: um modelo principal projetado para tarefas Agentic do mundo real. Ele aborda o antigo "problema de Pareto" na IA, onde capacidade, eficiência e custo frequentemente entram em conflito. Historicamente, o progresso em uma área exigia sacrificar outra. No entanto, avançar a fronteira de Pareto não se trata de eliminar compensações, mas de expandir toda a fronteira por meio de design inovador.

Esta iteração utiliza uma arquitetura esparsa de Mistura de Especialistas (MoE). O Passo 5 Preview contém 600 bilhões de parâmetros, com apenas 27 bilhões ativados por inferência. Ele suporta nativamente uma janela de contexto de até um milhão de tokens e processa entradas de texto e visuais. Marcando 44 pontos no Índice de Inteligência da Artificial Analysis, ele se classifica entre os três principais modelos de código aberto globais. Notavelmente, seu custo por tarefa única é apenas um oitavo do do Claude Opus5, oferecendo inteligência aprimorada dentro do mesmo orçamento ou capacidades superiores a um preço menor. No ALE-CLI, um subconjunto do Exame Final dos Agentes, bem como no benchmark de pesquisa de investimentos financeiros FrontierFinance e na avaliação de pesquisa profunda cross-domain DRACO, ele fica atrás apenas do GPT-6Astra ou do Claude Opus5, deixando outros modelos de código aberto para trás. O GDPval-AA v2 incorpora os dados mais recentes até 19 de setembro, enquanto o DeepSWE v1.1 foi avaliado usando a estrutura SWE-agent com temperatura=1.0 e top_p=0.95.

No desenvolvimento de software, a Step criou o StepCodeBench, abrangendo 553 repositórios de código independentes, nove tipos de tarefas, 20 domínios de aplicação e 33 linguagens de programação. O Passo 5 Preview demonstra fortes taxas de sucesso geral e estabilidade cross-cenario, lidando efetivamente com tarefas do mundo real como correção de bugs, desenvolvimento de recursos, refatoração e configuração de ambiente. Em uma demonstração, ele processou documentação extensa do ESP32 para transformar uma placa de desenvolvimento ESP32-S3 em um teclado de Vibe Coding com botões Bluetooth e entrada de voz. Ele abriu autonomamente portas seriais COM, ajustou câmeras, capturou imagens do dispositivo, simulou movimentos do mouse e depurou o código iterativamente com base em erros em tempo real, completando a tarefa em mais de três horas.

Tarefas de longa duração destacam seu verdadeiro valor. No primeiro experimento, tendo 24 horas e uma GPU H100, ele otimizou um kernel de GPU MLA do zero (dimensão da cabeça 512, tamanho do lote 1, 64 cabeças de atenção, 8192 tokens). O Passo 5 Preview modificou o código independentemente, executou o kernel e mediu a taxa de transferência. Ao encontrar uma solução que funcionava, mas reduzia a velocidade, ele a descartou e continuou a partir da melhor versão. Após aproximadamente 22 horas, ele alcançou um desempenho de pico de 508 TFLOPS, superando os 493 TFLOPS do Claude Opus5. O segundo experimento também durou 24 horas, permitindo que ele aprimorasse o desempenho de um modelo base Qwen3-30B-A3B no AIME24 por meio de pós-treinamento automatizado. O modelo determinou como utilizar a API anotada e ajustar os dados, aumentando finalmente a precisão de 53,3% para 60%, igualando o Opus5 enquanto usava menos tokens anotados.

No que diz respeito a aplicativos front-end e visuais, ele vai além de escrever páginas web; ele pode invocar o Blender para construir e modificar iterativamente ativos 3D, integrando-os então ao Three.js para aplicativos interativos e jogos. Ele até extraiu informações de um guia de viagem ferroviária "Guangjiu" de 1922, criando um sistema de consulta de jornada, cálculo de custos e reprodução de rotas. Isso transformou materiais históricos em um produto interativo, apresentando um pequeno trem correndo ao longo da linha histórica.

As finanças servem como um teste abrangente de capacidades. A Step desenvolveu três avaliações internas focadas na pesquisa de empresas: o FinStepBench-LiveSearch testa a capacidade de recuperar e verificar informações financeiras conforme os requisitos evoluem; o CorporateValuation avalia a conversão de dados e suposições em avaliações reproduzíveis; e o DeepResearch avalia todo o processo, desde a coleta de evidências até um relatório de pesquisa completo. Benchmarks externos como o FrontierFinance cobrem seis cenários de investimento com 220 perguntas de especialistas e 11.543 critérios de pontuação. O Passo 5 Preview entregou resultados fortes em todos os quatro benchmarks.

Do Step3.5Flash e Step3.7Flash ao Step5Preview, a Step sempre se concentrou em um princípio: a próxima fase de escalonamento não se trata apenas de adicionar mais Compute, mas de usar o Compute de forma mais eficiente. Após o lançamento completo de hoje, os pesos completos do modelo estarão disponíveis em 15 de outubro. Esta bandeira de código aberto, que redefine o equilíbrio de "capacidade-custo-eficiência", está agora pronta para que os desenvolvedores a adotem como sua ferramenta principal para tarefas Agentic.