信息来源：阶跃星辰官网 Step 5 Preview 发布页（2026-09）。直答先行：Step 5 Preview 是阶跃星辰新一代 agentic 旗舰——稀疏 MoE 架构、总参 600B / 每 token 激活 27B、支持 100 万 token 上下文与视觉输入，主打「智能-成本帕累托前沿」，编码与金融是两个重点场景；现已通过阶跃开放平台 API 可用，官方承诺 10 月 15 日开放权重。注意立场：本文所有跑分均来自厂商自报页面（其中标 † 的为内部自研榜），尚无第三方复测，阅读时按「官方口径」对待。
⚡ 一、一页速览
| 架构 | 稀疏 Mixture-of-Experts，总参数 600B，每 token 激活 27B（激活比约 4.5%） |
| 上下文 / 模态 | 1M token 上下文窗口，支持视觉输入 |
| 定位 | agentic 工作旗舰：软件工程 + 专业知识工作，金融为专项强项 |
| Artificial Analysis 智能指数 | 44 分；官方强调「同等智能下任务成本显著更低」（AA 数据截至 2026-09-19） |
| 可用性 | 即日起经阶跃开放平台（platform.stepfun.ai）API 调用；权重将于 10 月 15 日开放 |
| 证据等级 | 全部成绩为官方自报；StepCodeBench、FinStepBench 系内部榜单（页面 † 标注），外部榜含 GDPval-AA v2、FrontierFinance、Terminal-Bench、DeepSWE 等 |
📊 二、跑分怎么读：三类榜分开看
发布页给了 40 余项成绩，按可信度分三层读比较稳妥：
- 第三方/公开榜（相对硬）：GDPval-AA v2 得 1571，低于 Claude Opus 5（1735）与 GLM-5.3（1634），高于 Kimi K3（1548）——中上位置；Terminal-Bench v4 仅 33.3%，明显落后 GPT-6 Astra（57.9）、Claude Opus 5（52.3）和 GLM-5.3（41.9）；DeepSWE v1.1 得 67.7，与 Kimi K3（67.5）、GLM-5.3（66.9）同档，低于 GPT-6 Astra（74.1）与 Claude Opus 5（74.0）。
- 外部金融榜 FrontierFinance（Samaya 发布，220 题/11,543 条评分细则）：66.4 分，仅次于 Claude Opus 5（69.7），高于 GLM-5.3（64.1）与 Kimi K3（62.6），GPT-6 Astra 在该榜只有 55.0——「金融强项」在这项上得到外部印证。
- 内部榜（谨慎对待）：StepCodeBench（自建：553 个独立仓库、9 类任务、20 个应用领域、33 种语言）Step 5 得 49.0%，领先 Kimi K3（43.9）与 GLM-5.3（40.2），但仍落后 Claude Opus 5（63.9）和 GPT-6 Astra（61.0）；FinStepBench 三项（LiveSearch 74.5 / CorporateValuation 60.6 / DeepResearch 55.8）为自研金融评测，方向上与外部榜一致，但内部榜天然有主场效应。
官方自己的表述也留了余地：「低中难度任务接近 Claude Opus 5，最具挑战的长程任务与前沿仍有差距」——这句话和第三方榜的分布是自洽的。对比我们此前测过的两款竞品，参考系可互验：GLM-5.2 实测的性价比定位与 Step 5 的「成本杀手」路线直接对撞，而 GPT-6 Astra 首发实测仍是多数编码榜的天花板。
🧑💻 三、长程执行：三个罕见玩法
- 24 小时优化 MLA GPU 内核：在 H100 上从头优化 MLA 推理内核（head dim 512、batch 1、64 头、8192 token 的生产形状），自动迭代-跑测-回滚，4 次独立尝试取最佳——约 22 小时达 508 TFLOPS（前向+反向），官方对照 Claude Opus 5 为 493 TFLOPS。
- 24 小时自动后训练：用 API 标注器改进 Qwen3-30B-A3B 的后训练数据回路，AIME24 准确率从 53.3% 提到 60%，与 Claude Opus 5 结果持平且标注 token 消耗更少。
- 宝可梦红版长跑：无任何针对性优化的情况下连续推进 3,000+ 回合、600 万 token 交互，第 3,082 回合拿到 3 枚道馆徽章（击败马志士），进度约主线三分之一——长程记忆与资源管理的另类压力测试。
💼 四、专业知识工作与金融专项
发布页展示的专业产出形态覆盖：工业双通道急停控制电路、六西格玛 DMAIC 分析闸口文档（10 页）、CNC 机器人工作单元布局、30 秒客户审片剪辑、C/SiC 热防护筛选报告（9 页）等。两个数据型案例值得单独记：
- 规模化研究：一项覆盖 1,000 个地点、25 年的气候研究，单次 agent 动作协调 950 次网页抓取，组装 30 万条月度记录（11 个变量），并得出欧洲与大洋洲样本太阳季节峰值相反的发现；
- 结构化分析：柴油附加费审查产出 17 张工作表的分析簿，保留原始数据到结论的公式链路，可审计、可复算——这正是其金融叙事的核心（可追溯来源、假设显式、计算可复现）。
💰 五、成本定位与开源节奏
「Advancing the Pareto Frontier」是整页的题眼：官方引 Artificial Analysis 的智能指数-任务成本分布图，把 Step 5 Preview 放在「同等智能、更低任务成本」的工作马区间（智能指数 44）。激活参数仅 27B 是低成本的结构基础——这与 MiniMax H3 本地实测那条「小激活跑大模型」的行业趋势同向。权重 10 月 15 日开放后，600B 总量/27B 激活的规格对本地部署仍属高端（参考：27B 激活通常仍需百 GB 级显存或量化方案），更现实的路径是 API 与第三方托管。
❓ 常见疑问
问：Step 5 Preview 现在能免费用吗？
答：官方渠道是阶跃开放平台（platform.stepfun.ai）的 API，按量计费，具体价格以平台页面为准；权重 10 月 15 日开放后才能自部署。发布页未提免费额度，以官网实际政策为准。
问：它的跑分能信几成？
答：分层看。GDPval-AA、Terminal-Bench、FrontierFinance 这类外部榜可作锚点（结论：中上、金融突出、长程终端任务偏弱）；StepCodeBench、FinStepBench 是官方自研榜，方向可参考、绝对值等第三方复测；24 小时内核优化这类演示属厂商精心挑选的展示案例。
问：和 GLM-5.3、Kimi K3 比怎么选？
答：按官方数据，Step 5 的差异点不在绝对智能（互有胜负）而在任务成本与金融场景；编码天花板仍是 GPT-6 Astra / Claude Opus 5。权重开放后建议按自己的真实任务集做小规模 A/B，再定主力。
📚 主要参考
- 阶跃星辰官网：Step 5 Preview: Advancing the Pareto Frontier（stepfun.com/step-5-preview，2026-09）。
- Artificial Analysis Intelligence Index 与 GDPval-AA v2 分数（artificialanalysis.ai，数据截至 2026-09-19，转引自官方页面）。
- FrontierFinance 外部金融基准（samaya.ai：220 道专家题、11,543 条评分细则）。
- DeepSWE v1.1 评测框架 SWE-agent（github.com/SWE-agent/SWE-agent；temperature=1.0、top_p=0.95）。
- 阶跃开放平台模型文档（platform.stepfun.ai/docs/en/guides/models/step-5-preview）。
说明：本文信息整理自官方发布页与公开资料，跑分均为厂商自报口径（内部榜已标注），模型价格、额度与功能以官方最新公告为准，不构成选型或投资建议。