阶跃今天把自家新旗舰Step5Preview全量开放了。
这款模型总参数600B，但每次干活只激活27B——像一个600人的专家团队，遇到具体任务只叫最相关的27个人上手。这就是稀疏MoE架构的核心思路：不是让模型每次都全力运转，而是按需调用。
它能一口气吞下100万Token的上下文，文本和图片都能直接读。在Artificial Analysis的Intelligence Index上拿了44分，冲进全球开源模型前三。更扎眼的是成本：跑一个任务的费用只有Claude Opus5的八分之一。
这意味着两件事同时发生——同样的预算能买到更强的智能，或者同样的能力能用更低的价格落地。
在几个硬核评测里，Step5Preview都只输给GPT-6Astra和Claude Opus5，把其他开源模型全甩在后面。Agents‘ Last Exam的CLI子集、金融投资研究评测FrontierFinance、跨领域深度研究评测DRACO，成绩都站住了。
编程能力上，阶跃自己搭了个StepCodeBench，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。Bug修复、功能开发、重构、环境配置这些真实活儿都能接。
有个演示挺能说明问题：它读着一堆ESP32开发文档，把一块ESP32-S3开发板改造成了支持蓝牙按键和语音输入的Vibe Coding键盘。过程中自己开COM串口、调摄像头、截设备图、模拟鼠标，然后根据真实报错连续改代码跑调试——一口气干了三个多小时。
长周期任务更能看出差距。
第一个实验：给24小时、一张H100，让它从零优化一个MLA GPU内核。Step5Preview自己改代码、跑内核、测吞吐，遇到跑得通但降速的方案就放弃，从最佳版本接着爬。大约22小时后，把峰值性能顶到508TFLOPS，压过了Claude Opus5的493TFLOPS。
第二个实验也是24小时：让它通过自动化后训练提升Qwen3-30B-A3B基础模型在AIME24上的表现。模型自己决定怎么用标注API、怎么调数据，最终把准确率从53.3%拉到60%，和Opus5持平，但省了标注Token。
前端和视觉方面，它不只会写网页。能调用Blender建3D资产、反复修改，再接进Three.js做交互应用和游戏。甚至从一本1922年的《广九铁路旅行指南》里抽信息，做出行程查询、费用计算和路线回放，让小火车沿百年前的线路跑起来——把史料变成了可交互产品。
金融被阶跃当成综合能力的试金石。围绕公司研究这个高难度流程，他们建了三项内部评测：FinStepBench-LiveSearch考随需求变化检索核验金融信息，CorporateValuation考把数据和假设转成可复现估值，DeepResearch考从证据收集到完整研究报告的全程。外部基准FrontierFinance用220道专家题、11543项评分标准覆盖六类投资场景。四项里Step5Preview都交出强结果。
从Step3.5Flash、Step3.7Flash到Step5Preview，阶跃押的始终是同一件事：下一阶段的Scaling不只是堆更多算力，更是把算力用得更高效。
完整模型权重将在10月15日释放。开源旗舰的性价比边界，又被往外推了一格。