600B разреженный MoE активирует 27B, повышая рентабельность флагманских моделей с открытым исходным кодом

Шаг 5 Preview, новейшая флагманская базовая модель, теперь официально доступна. Её цель ясна: основная модель, разработанная для решения реальных задач агентов (Agentic tasks). Она решает давнюю «проблему Парето» в области искусственного интеллекта, где возможности, эффективность и стоимость часто находятся в конфликте. Исторически прогресс в одной области требовал жертвования другой. Однако продвижение границы Парето заключается не в устранении компромиссов, а в расширении всей границы благодаря инновационному дизайну.

Эта итерация использует разреженную архитектуру Mixture of Experts (MoE). Step 5 Preview содержит 600 миллиардов параметров, из которых при каждом выводе активируется только 27 миллиардов. Она нативно поддерживает контекстное окно до одного миллиона токенов и обрабатывает как текстовые, так и визуальные входные данные. Получив 44 балла в Индексе интеллекта Artificial Analysis, она входит в тройку лучших мировых моделей с открытым исходным кодом. Примечательно, что стоимость выполнения одной задачи составляет лишь одну восьмую от стоимости Claude Opus5, предлагая либо улучшенный интеллект в рамках того же бюджета, либо превосходные возможности по более низкой цене. На ALE-CLI (подмножестве Agents' Last Exam), а также на финансовом бенчмарке для инвестиционных исследований FrontierFinance и кросс-доменной оценке глубоких исследований DRACO, она уступает только GPT-6Astra или Claude Opus5, оставляя другие модели с открытым исходным кодом позади. GDPval-AA v2 включает самые свежие данные по 19 сентября, а DeepSWE v1.1 была оценена с использованием SWE-agent harness при температуре=1.0 и top_p=0.95.

В области разработки программного обеспечения Step создала StepCodeBench, включающий 553 независимых репозитория кода, девять типов задач, 20 областей применения и 33 языка программирования. Step 5 Preview демонстрирует высокие общие показатели успешности и стабильность в различных сценариях, эффективно справляясь с реальными задачами, такими как исправление ошибок, разработка функций, рефакторинг и настройка среды. В одном из демонстрационных примеров она обработала обширную документацию по ESP32, чтобы превратить плату разработки ESP32-S3 в клавиатуру для Vibe Coding с Bluetooth-кнопками и голосовым вводом. Она автономно открывала COM-порты последовательной связи, настраивала камеры, захватывала изображения устройств, имитировала движения мыши и итеративно отлаживала код на основе ошибок в реальном времени, выполнив задачу за более чем три часа.

Долгие задачи подчеркивают её истинную ценность. В первом эксперименте, имея 24 часа и GPU H100, она оптимизировала ядро GPU MLA с нуля (размер головы 512, размер пакета 1, 64 головы внимания, 8192 токена). Step 5 Preview самостоятельно модифицировала код, выполнила ядро и измерила пропускную способность. Столкнувшись с решением, которое работало, но снижало скорость, она отбросила его и продолжила работу с лучшей версией. Примерно через 22 часа она достигла пиковой производительности 508 TFLOPS, превзойдя результат Claude Opus5 в 493 TFLOPS. Второй эксперимент также длился 24 часа, позволив ей улучшить производительность базовой модели Qwen3-30B-A3B на AIME24 посредством автоматизированного постобучения. Модель определила, как использовать аннотированный API и корректировать данные, в конечном итоге увеличив точность с 53,3% до 60%, что соответствует уровню Opus5, при этом используя меньше аннотированных токенов.

Что касается фронтенда и визуальных приложений, она выходит за рамки написания веб-страниц; она может вызывать Blender для создания и итеративного изменения 3D-активов, а затем интегрировать их в Three.js для интерактивных приложений и игр. Она даже извлекла информацию из путеводителя «Guangjiu Railway Travel Guide» 1922 года, создав систему запросов маршрутов, расчета стоимости и воспроизведения пути. Это превратило исторические материалы в интерактивный продукт, включающий маленький поезд, движущийся вдоль исторической линии.

Финансы служат комплексным тестом возможностей. Step разработала три внутренних оценки, сфокусированных на исследовании компаний: FinStepBench-LiveSearch проверяет способность извлекать и проверять финансовую информацию по мере изменения требований; CorporateValuation оценивает преобразование данных и предположений в воспроизводимые оценки стоимости; а DeepResearch оценивает весь процесс от сбора доказательств до создания полного исследовательского отчета. Внешние бенчмарки, такие как FrontierFinance, охватывают шесть инвестиционных сценариев с 220 вопросами экспертов и 11 543 критериями оценки. Step 5 Preview показала сильные результаты во всех четырех бенчмарках.

От Step3.5Flash и Step3.7Flash до Step5Preview компания Step неизменно придерживалась одного принципа: следующий этап масштабирования заключается не просто в добавлении большего количества вычислительных мощностей (Compute), а в более эффективном использовании этих мощностей. После сегодняшнего полного выпуска полные веса модели будут доступны 15 октября. Этот флагманский продукт с открытым исходным кодом, переопределяющий баланс «возможности-стоимость-эффективность», теперь готов к тому, чтобы разработчики могли использовать его в качестве основного инструмента для задач агентов.