600B 稀疏 MoE 啟用 27B，提升開源旗艦產品的價效比

Step 5 Preview，最新的旗艦基礎模型，現已正式可用。其目標明確：一個專為現實世界智慧體（Agentic）任務設計的主模型。它解決了人工智慧領域長期存在的“帕累託問題”，即能力、效率和成本往往相互衝突。歷史上，某一領域的進步通常需要犧牲其他領域。然而，推進帕累託前沿並非消除權衡，而是透過創新設計擴充套件整個邊界。

此次迭代採用了稀疏混合專家（MoE）架構。Step 5 Preview 包含 6000 億引數，每次推理僅啟用 270 億引數。它原生支援高達一百萬 token 的上下文視窗，並能同時處理文字和視覺輸入。在 Artificial Analysis 智慧指數中得分 44 分，位列全球前三大開源模型。值得注意的是，其單任務成本僅為 Claude Opus5 的八分之一，這意味著在相同預算下可提供更強的智慧，或以更低的價格提供卓越的能力。在 ALE-CLI（Agents' Last Exam 的子集）、金融投資研究基準 FrontierFinance 以及跨領域深度研究評估 DRACO 上，它僅落後於 GPT-6Astra 或 Claude Opus5，將其他開源模型甩在身後。GDPval-AA v2 納入了截至 9 月 19 日的最新資料，而 DeepSWE v1.1 則使用 SWE-agent 工具集（temperature=1.0，top_p=0.95）進行評估。

在軟體開發領域，Step 建立了 StepCodeBench，涵蓋 553 個獨立程式碼倉庫、九種任務型別、20 個應用領域和 33 種程式語言。Step 5 Preview 展現出強大的整體成功率和跨場景穩定性，能有效處理修復漏洞、功能開發、重構和環境配置等現實世界任務。在一個演示中，它處理了大量 ESP32 文件，將 ESP32-S3 開發板轉化為帶有藍芽按鈕和語音輸入的 Vibe Coding 鍵盤。它自主開啟 COM 串列埠，調整攝像頭，捕獲裝置影象，模擬滑鼠移動，並根據實時錯誤迭代除錯程式碼，歷時超過三小時完成任務。

長時間執行任務凸顯了其真正價值。在第一個實驗中，給定 24 小時和一塊 H100 GPU，它從零開始最佳化了一個 MLA GPU 核心（頭維度 512，批大小 1，64 個注意力頭，8192 個 token）。Step 5 Preview 獨立修改程式碼，執行核心並測量吞吐量。當遇到有效但降低速度的解決方案時，它將其丟棄並從最佳版本繼續。經過約 22 小時，它達到了 508 TFLOPS 的峰值效能，超過了 Claude Opus5 的 493 TFLOPS。第二個實驗也持續了 24 小時，使其能夠透過自動化後訓練提升 Qwen3-30B-A3B 基礎模型在 AIME24 上的效能。該模型確定瞭如何利用標註 API 並調整資料，最終將準確率從 53.3% 提升至 60%，在達到 Opus5 水平的同時使用了更少的標註 token。

在前端和視覺應用方面，它超越了編寫網頁；它可以呼叫 Blender 構建並迭代修改 3D 資產，然後將它們整合到 Three.js 中用於互動式應用和遊戲。它甚至從 1922 年的《廣九鐵路旅行指南》中提取資訊，建立了行程查詢、費用計算和路線播放系統。這將歷史資料轉化為互動式產品，其中包含沿著歷史線路執行的小火車。

金融領域作為綜合能力的測試。Step 開發了三個專注於公司研究的內部評估：FinStepBench-LiveSearch 測試隨著需求演變檢索和驗證財務資訊的能力；CorporateValuation 評估將資料和假設轉化為可重現估值的能力；DeepResearch 評估從證據收集到完整研究報告的全過程。外部基準 FrontierFinance 涵蓋六個投資場景，包含 220 個專家問題和 11,543 個評分標準。Step 5 Preview 在所有四個基準測試中均表現出色。

從 Step3.5Flash 和 Step3.7Flash 到 Step5Preview，Step 始終專注於一個原則：下一階段的增長不僅僅是增加更多的計算資源（Compute），而是更有效地利用計算資源。隨著今天的全量釋出，完整的模型權重將於 10 月 15 日開放。這個重新定義“能力-成本-效率”平衡的開源旗艦模型，現已準備好供開發者將其作為智慧體任務的主要工具。