6000亿总参数、每次推理只激活270亿，却在权威榜单上追平2.8万亿参数的Kimi K3。9月20日，阶跃星辰正式发布新一代旗舰基座模型Step 5 Preview，直接面向真实世界的长程智能体任务。
跳过4代直接命名5，92层”窄而深”
官方把它定位为可持续处理复杂任务的主力工作模型，场景覆盖AI编程、软件工程、金融分析和专业知识工作。架构上它没有一味增加网络宽度，而是选择”窄而深”的路线，共堆叠92层Transformer。
这种设计服务于Agent任务的典型形态：连续搜索、执行代码、调用外部工具时，工具返回的信息会形成很长的预填充阶段。团队认为更深的网络能为长上下文中的隐式多跳推理，提供更长的信息传播路径。
模型采用稀疏混合专家架构，总参数600B、每个词元激活约27B，支持100万Token上下文窗口，并原生支持文本与图像输入。
Sparse GQA给百万上下文”做减法”
百万级上下文的成本是另一道坎。Step 5 Preview引入Sparse GQA，通过稀疏索引只挑选与当前任务相关的历史信息，减少真正进入注意力计算的Token数量。
算法上的稀疏未必带来同等幅度的提速，索引开销和分散读取都可能吃掉收益。为此它进一步采用分块Token合并，把索引与选择环节的成本降到原来的八分之一，同时合并高度重叠的结果、减少碎片化计算。
24小时连续自主调优的硬核实测
官方最看重的是长程执行。在一项实验中，模型连续最多24小时自主优化一套H100 GPU内核，自己改代码、跑测试、比较结果再迭代，约22小时后达到508 TFLOPS，同场测试的Claude Opus 5为493 TFLOPS。
另一项24小时实验里，它自主设计训练数据，把Qwen3-30B-A3B在AIME24上的准确率从53.3%提升到60%，与Opus 5持平，消耗的标注Token却更少。
它还能把一块ESP32-S3开发板改造成支持蓝牙按键与语音输入的键盘：自主阅读大量开发文档，访问串口、调用摄像头、模拟鼠标，并根据真实设备的报错持续调试，连续执行超过3小时。
44分进全球开源前三，编程反超K3两倍多
第三方机构Artificial Analysis给出的综合智能指数为44分，与Kimi K3 Max持平，官方称这一成绩进入全球开源模型前三，仅比GLM-5.3、Opus 5的45分低一分。
偏科项目更能看出取向。重负载编程测试Terminal-Bench 4.0上它拿到33.3%，接近GPT-5.6 Terra，而K3只有12.6%；SciCode两者同为59%。在ALE-CLI、金融投资研究和跨领域深度研究评测上，它仅次于GPT-6 Astra或Opus 5。
单任务成本0.71美元，权重10月见
价格同样激进：每百万输入Token 1美元、输出2.7美元，而K3分别为3美元和15美元，输出成本不到后者五分之一。在AA口径下平均单任务成本约0.71美元，Opus 5最高档约2.03美元。
模型即日起全量开放API与Studio，完整权重将于10月15日释放。需要留意的是，”成本仅为Opus 5八分之一”限定在特定任务配置中，它完成整套评测生成了约1.6亿输出Token，较低单价可能被更长的推理过程部分抵消。
92层模型的部署门槛、稀疏注意力的实际加速幅度，以及开放权重能否复现API表现，都要等到10月开源后才有答案。榜单只是参考，真实长程任务里的稳定性，仍需更多开发者用起来检验。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
