Step 5 Preview 深度解读：6000 亿参数的「窄深」架构，凭什么成本只有 Opus 5 的八分之一

一句话总结：Step 5 Preview 是阶跃星辰 9 月 20 日发布、10 月 15 日开源的旗舰模型，600B 总参数只激活 27B，92 层"窄而深"架构，1M 上下文、原生视觉。AA 智能指数 44 排全球开源前三，单任务成本 0.71 美元，是 Claude Opus 5 的八分之一。

阶跃星辰这次讲的故事不太一样。

别人发布模型讲参数规模、讲跑分排名。他们讲的是"帕累托前沿"——智能和成本之间那条当前能达到的最佳边界。

翻译成人话：我不跟你比谁最聪明，我比"同样聪明的情况下谁更便宜"。

图 1：AA 指数 44 分排开源前三，单任务成本 0.71 美元

规格

92 层"窄而深"是什么思路

这是 Step 5 最特别的地方。

它由 92 个 Transformer 模块堆叠而成。作为对比：Qwen3.8 Max、Kimi K3 这些万亿参数级开源模型的深度也在同一量级，但 Step 5 的总参数不到它们的四分之一，激活参数不到三分之一。

也就是说，它用深度换宽度。同样的层数，每层更窄。

为什么深度重要？因为推理链的每一步都要经过完整的前向计算。层数不够，复杂任务的推理就浅；层数够但太宽，算力全花在"带宽"上。

阶跃的取舍是：保持深度，砍掉宽度。

配套的两个设计：

Sparse GQA。分组查询注意力做了稀疏化。

Block-wise Token Merging。把 Indexer 和 Top-k Selection 的成本降低 8 倍。这两个是长上下文稀疏注意力的主要开销，降 8 倍意味着 1M 上下文真的能用。

还有 Context Compaction（上下文压缩）和 Long-horizon RL，专门为长周期 Agent 任务优化。

跑分

官方公布的核心数据：

AA 智能指数 44，全球开源前三。这个数字在开源阵营里是实打实的第一梯队。

DeepSWE v1.1 67.7%。这个基准测长程软件工程，67.7 是个能打的分数。

Terminal-Bench 4.0 33.3%。注意这是 4.0 版本，比 2.1 难得多。33.3 在 4.0 上属于正常水平。

FrontierFinance 66.4。金融投资研究评测，这是它的差异化方向。

StepCodeBench 49 分（内部集）。这个测试集覆盖 553 个独立代码仓库、9 类任务、20 个应用领域、33 种编程语言。规模做得挺认真。

还有一组对比值得看：在 ALE-CLI、FrontierFinance、DRACO 三个基准上，Step 5 Preview 优于 Kimi K3 和 GLM-5.3，仅次于 GPT-6 Astra 或 Claude Opus 5。

这个位置很微妙。它不争第一，稳稳站在第二梯队头部。

成本：真正的卖点

阶跃给的数字：单任务平均成本 0.71 美元（约 4.75 元），Claude Opus 5 是 5.86 美元（约 39.22 元）。

八分之一。

这个成本优势来自激活参数只有 27B。写 600B 在文件上，实际每次推理只调动 27B 的算力。稀疏度做得很激进。

配合 100 tokens/s 的生成速度，它的定位就清楚了：便宜、够快、能力不差。

生态落地比跑分更能说明问题

Step 5 Preview 上线后有两个动作值得注意。

接入腾讯 WorkBuddy。能执行深度研究、信息检索、数据分析、文档与 PPT 生成。这是通用办公场景。

接入豆包 Trae。进入软件工程工作流，做漏洞修复、重构、性能调优。

一个是腾讯的 Agent 工作台，一个是字节的 AI 开发工具。都在第一时间接入了。

OpenRouter 上的数据更直白：截至 10 月 15 日，Step 5 Preview 的 token 用量在周榜、日榜都排第二，近七日约 18.8 万亿 token。

这个量级说明它是真的在被用，不是只在榜上好看。

一个少见的细节：能操作硬件

官方文档里提到一件事：获得开发文档和用户授权后，Step 5 Preview 可以直接调用相机、COM 端口、截图和模拟鼠标输入，完成设备侧的开发与调试。

这个能力听起来像黑客工具，但用在嵌入式开发和硬件调试上是刚需。模型能看见设备屏幕、能模拟输入、能读串口日志，调试效率完全不一样。

短板

是 Preview。名字里写着呢。正式版什么时候出、会不会变，官方没说。

视觉能力没说细。支持视觉输入，但没给具体的多模态基准分数。跟 GLM-5V 那种专门做视觉编程的比，可能不是一个量级。

中文评测数据少。官方公布的几乎都是英文基准。金融那块有 FrontierFinance，但中文业务场景的实测数据不多。

开源协议需要自己确认。官方说 10 月 15 日开源，BF16 和 FP8 上了 HuggingFace 和 ModelScope，但协议类型我在发布公告里没找到明确说明，建议下载前先看仓库 LICENSE。

"前三"这个说法要小心。AA 指数 44 排开源前三，但 AA 的口径每个季度都在调整，跨时间比较意义有限。

怎么用

API：阶跃星辰开放平台。

开源权重：HuggingFace 和 ModelScope（stepfun-ai/Step-5-Preview），BF16 和 FP8 两个版本。

第三方：OpenRouter 可调，已接入 WorkBuddy、TRAE。

常被问的

600B 参数，27B 激活，实际能跑多快？ 官方给的是 100 tokens/s。这个速度在 600B 级别里算快的，稀疏激活的好处就在这里。

和 Kimi K3 比怎么样？ Step 5 在 ALE-CLI、FrontierFinance、DRACO 上优于 K3，但 K3 的参数规模是它的四倍多，上限更高。日常任务 Step 5 更划算。

金融能力是真的吗？ 官方专门做了 FinStepBench 系列内部测试，FrontierFinance 拿 66.4。但金融评测的基准本身争议就大，建议自己拿真实研报测。

值得现在就上生产吗？ Preview 版本，谨慎。可以先用 API 做灰度，别直接替换现有主力。

最后

Step 5 Preview 的定位很清楚：它不抢最强，抢最划算。

92 层的窄深架构、27B 激活、0.71 美元的任务成本，这三个数字串起来是一个完整的产品逻辑。在当前这个"参数越堆越大、价格越压越低"的市场里，它选择用架构效率换成本优势。

对多数团队来说，这个交换值得考虑。毕竟真正决定项目能不能跑起来的，往往是账单而不是榜首。