Step 5 Preview：600B 是规模，27B 激活量才关系到成本

基础模型 / Agent · 9.1/10 · 建议深挖

阶跃星辰发布 Step 5 Preview，采用稀疏混合专家架构，总参数6000亿，每个 token 只激活270亿参数，支持100万 token 上下文和视觉输入。它已经可以通过阶跃平台和 Vercel AI Gateway 调用；Vercel 当前列出的价格是每百万 token 输入1美元、输出2.7美元，缓存读取0.05美元。

总参数决定模型能容纳多少知识和能力，但稀疏模型每一步实际调用的只是部分专家。27B 激活量不能直接等同于一台27B模型的成本——600B权重仍要占内存，专家路由和跨卡通信也有代价——但它确实能减少每个 token 的计算量。对普通聊天，这个差别未必醒目；对需要反复读文件、运行命令、检查结果的长任务，几百万 token 和数千轮操作会把单步成本不断放大。

这也是 Step 5 真正想争的位置：不必在每项能力上拿第一，只要在“够强”和“足够便宜”之间占住一个新位置。官方数据里，它在 DeepSWE v1.1 得67.7，低于 GPT-6 Astra 的74.1和 Claude Opus 5的74.0；Terminal-Bench v4得33.3，也明显落后于 Astra的57.9和 Opus 5的52.3。它在部分金融评测和较长的软件任务上更有竞争力，但还不能据此写成全面追平前沿模型。

官方给出的两个长任务演示更能说明产品方向。一次24小时自动后训练实验中，Step 5自行调整数据和标注策略，把一个Qwen3-30B-A3B模型在AIME24上的准确率从53.3%提高到60%；另一次宝可梦演示持续了3000多轮、消耗600万 token，完成约三分之一主线。这些仍是厂商选择的案例，不能替代统一评测，但它们展示的不是单轮答题，而是模型能否在很长的反馈循环里继续做决定。

接下来最值得验证的，是第三方在相同预算下能否复现这种长任务性价比，以及完整权重能否按官方所说在10月15日交付。若两点都成立，Step 5带来的压力主要会落在Agent服务的价格上，而不是模型排行榜的第一名上。