阶跃星辰发布Step 5 Preview，面向真实世界Agentic任务的旗舰基座模型

阶跃星辰新版旗舰模型Step 5发布了Preview版本，它给自己定的命题不是单项性能多强，而是"帕累托前沿"——能力、成本、效率、场景覆盖之间那条最佳平衡的边界。官方话是：随着Agent从"回答问题"走向"完成任务"，主力模型的标准从"单项能力强"变成了"多项之间平衡"。

硬参数：稀疏MoE架构，总参600B、激活参数只27B，支持100万token上下文，原生文本+视觉输入。单位成本是这次的一个卖点——官方称单任务成本仅为Claude Opus 5的1/8，同时在Artificial Analysis Intelligence Index拿到44分，位居全球开源模型前三。在Agents' Last Exam CLI子集（ALE-CLI）、金融投资研究评测FrontierFinance、跨领域深度研究评测DRACO上，都仅次于GPT-6 Astra或Claude Opus 5，领先其他开源模型。

文章里最值得看的是两个24小时长周期实验，都是"让模型自己连续干半天"的agentic场景。一个是在单张NVIDIA H100上从零优化MLA GPU内核，头维度512、batch size 1、64个头、8192 token，Step 5 Preview自主实现、运行、测吞吐，遇到跑得通但更慢的方案就放弃、回退到最佳版本继续调，约22小时把峰值性能推到508 TFLOPS，压过了Claude Opus 5的493。

另一个是自动化后训练，让它自己调用一个接生产数据的annotator、决定怎么改后训练数据，把一个Qwen3-30B-A3B基座在AIME24上的准确率从53.3%提到60%，和Claude Opus 5持平但消耗的annotator token更少。

回应了"Scaling转向"这个当下最热的争论：过去大模型靠更多计算换更强智能，现在计算成本被同步放大，下一阶段的Scaling不只是更多Compute，也包括更高效率的Compute——这是从Step 3.5 Flash、Step 3.7 Flash到Step 5 Preview一路在追的问题。模型全量开放，权重10月15日放出。