Step 5プレビューが発表：StepFunの600Bフラッグシップが実際に搭載するもの、そしてまだ欠けているもの

StepFunはStep 5 Previewを2026年9月20日に発表しました — 6000億パラメータのスパースなMixture-of-Expertsフラッグシップモデルで、トークンあたり27Bのパラメータが有効、100万トークンのコンテキストウィンドウ、ネイティブな画像入力、Artificial Analysis Intelligence Indexスコアは44。APIは同日に公開されました。公開されなかったのは、モデルそのものです。Hugging Faceリポジトリstepfun-ai/Step-5-Preview-BF16は発表当日の午後には存在しており、含まれているファイルはちょうど1つ、.gitattributesだけで、重みもライセンスもモデルカードも設定もありません。StepFun自身の資料では、オープンウェイトのリリースは2026年10月15日とされています。つまり、このローンチを正直に一行で要約するなら、このモデルは今日呼び出せるもので、ダウンロードできるのは約3週間半後であり、その2つは別物だということです。これはまた、本ブログが今日すでに未発表のリークとして取り上げたのと同じモデルでもあり、StepFunが製品ページを公開する前にテストタグの下でベンチマークされていました — プレビューは、数字が1つも変わることなくリークからローンチへと移行し得るという、有益なリマインダーです。

このリポジトリはプレースホルダーであり、それがすべてです。

ベンダーが重みを公開するとき、その証拠となるのはリポジトリだ。ライセンスファイルがあり、パラメータ数が記されたconfigがあり、想定用途と評価表を載せたREADMEがあり、そして合計サイズがパラメータの主張が本物かどうかを教えてくれるsafetensorsシャードがある。stepfun-ai/Step-5-Preview-BF16にはそれらが一切ない。そのHugging Face APIレコードを見ると、作成タイムスタンプは2026-09-20T03:52Z、ダウンロード数はゼロ、いいねは2件、configオブジェクトは空、pipeline_tagもなく、ライセンスもなく、兄弟ファイルが1つだけだ。StepFunの組織ページにはこれが掲載されており、他のStep 5リポジトリは一切掲載されていない — FP8ビルドもNVFP4ビルドもGGUFもなく、6月にStep-3.7-Flashに付随していた量子化バリアントも一切ない。

それは謎ではなく、スケジュールとして読むべきだ。リポジトリ名のBF16という接尾辞がその証拠だ。まずbfloat16チェックポイントを公開しようとしているラボ——FP8やNVFP4のサービングビルドが到着する前に、ファインチューニングと量子化の基盤となる形式——は、作成時にそう名付けておき、後から中身を埋める。StepFunは自らの発表資料で10月15日と言っている。それまでは、そのリポジトリは意図についての主張にすぎず、それが証明する唯一のことは、StepFunが名前空間を確保したということだ。

これは実用的な理由で重要です。そのPreviewという接尾辞と、欠けている重みは、同じ方向を指す同じシグナルです。つまり、モデルは呼び出し可能で、価格は設定済みであり、自分のハードウェアで実行するはずの成果物はまだ存在しません。10月中旬より前にセルフホスト型の Step 5 Preview を前提とする計画は、その背後に成果物がない計画です。

実際に何が発表されたのか

StepFunの位置づけは狭く具体的だ。Step 5 Previewは、実世界のエージェント作業——AIコーディング、ソフトウェアエンジニアリング、専門的なナレッジワーク、金融——のためのベースモデルであり、チャット品質よりも長いコンテキスト、マルチターンのツール呼び出し、持続的な実行に重点を置いている。同社はStep 4.x系を完全に飛ばし、Step-3.7-Flashから直接Step 5へと進んだ。それ自体が、これをどれほど大きな一歩と見なしているかを示す表明である。

日付の細かい点を一つ挙げておく価値があります。これは調達カレンダーを狂わせがちな類の話だからです。Artificial Analysisはこのモデルを2026年9月18日付としていますが、これはStepFun自身の発表の2日前にあたります。この掲示板は、モデルに到達できた時点でそのモデルをスコア付けします。そしてこの2日間のずれは、モデルが呼び出し可能になってからベンダーがそれについて文章を書くまでの、ごく普通の遅れです。引用すべき日付は、StepFunの発表、すなわち9月20日（APIとStudioも同日にオープン）であり、10月15日という重みの日付も同じ資料に由来します。

公開された仕様書：

• 総パラメータ数 — 600B、スパースな専門家混合

• トークンあたりのアクティブ数 — 27B、全体のおよそ4.5%という、異例なほどスパースな比率

• コンテキストウィンドウ — 100万トークン

• 入力 — テキストと画像をネイティブに受け付け、出力はテキストのみ

• 推論 — はい、拡張思考あり

• 価格 — 入力トークン100万あたり$1.00、出力トークン100万あたり$2.70、95%のキャッシュ割引付き

• 提供状況 — APIとStudioは9月20日より利用可能、モデルの重みは10月15日に公開予定

StepFunが前面に打ち出している効率性の主張は、600B/27Bの分割によってこのモデルがパレートフロンティア上に置かれるというものだ——すなわち計算資源あたりの能力であり、同社はこれを、Step-3.5-FlashからStep-3.7-Flashを経て今回のモデルに至る、同じ探求の3世代として位置づけている。一貫したストーリーであり、その仕組みはスパース比率にある。27Bアクティブでは、トークンあたりのサービングコストは、はるかに小さいモデルの水準に収まる一方、600Bの総量は主にメモリフットプリントの問題だ。

ベンダーの主張と、その隣に並ぶサードパーティの数値

発表資料には2種類の数値が登場しており、同じように読むべきではない。StepFun自身による評価が第1の種類だ。単一タスクのコストがClaude Opus 5の8分の1という主張、ALE-CLI、FrontierFinance、DRACOでGPT-6 AstraまたはClaude Opus 5に次ぐ2位、24時間のGPUカーネル最適化実行でMLAカーネルのピーク性能をClaude Opus 5の493に対して508 TFLOPSまで引き上げたこと、自動化されたポストトレーニング実験でQwen3-30B-A3BをAIME24で53.3%から60%へ向上させたこと、DeepSWE v1.1が67.7%、自社のStepCodeBenchが49.0%。StepFunはStepCodeBench自体を構築した——553のコードリポジトリ、9つのタスク種別、33のプログラミング言語——ため、これは自社モデルを測るには妥当な測定器ではあるが、独立した測定器ではない。

第2のクラスは他者によって測定され、それこそが計画を立てる際に基準とすべき部分だ。Artificial AnalysisはIntelligence Index v4.3.2でStep 5 Previewに44点を付け、200モデル中24位としている——Kimi K3と同水準で、GLM-5.3には1点及ばず、Claude Opus 5のmedium reasoning-effort設定と同水準だ。Terminal-Bench 4.0では同じボードが33.3%を記録し、26.8%のDeepSeek V4.1 Flashを上回り、およそ12.6%のKimi K3を大きく上回っている。出力速度は毎秒99.8トークン、初回トークンまでの時間は2.96秒——いずれも同じ独立実行によるもので、どちらもエージェントループが対話的に感じられるかどうかを左右する類の数値だ。

第三者のある数値は逆方向に働き、価格の隣に置かれるに値する。同じindex実行では、Step 5 Previewが160Mの出力トークンを使用したのに対し、採点されたモデルの中央値は92Mだった——このモデルは冗長だ。出力100万トークンあたり$2.70では、その冗長性はただではない。160Mの出力トークンは、実行総額$922.84のうちおよそ$432に相当し、3倍の料金を課すモデルでは請求書の中で最大の項目になるだろう。低い表示価格とタスクあたりの高いトークン数は1つの数字の両面であり、indexタスクあたりのコスト——$0.71——こそがすでにその両方を内包している数字だ。

リークが正しく掴んでいたこと、そしてそれが決着させられなかった一つのこと

このブログの以前の報道は、何らかの発表より前に出回った評価実行に基づいて書かれており、確認できなかった主張にはフラグを立てていた。発表によってそれらの大半は解決した。600B/27B の組み合わせは、推測ではなくベンダーが明言したものになった。100万トークンのコンテキストウィンドウは、サードパーティの掲示板だけでなく、StepFun 自身の仕様に記載されるようになった。1.00ドルと2.70ドルという価格が実際の価格である。名称は Step 5 Preview であり、噂されていた別名ではない。

その発表がしなかったのは、リーク報道が提起したコンテキストウィンドウの矛盾を解決することだった。開発者向けツールに出回っている別のサードパーティ製設定では、このモデルはコンテキスト350,000トークン、最大出力64,000トークンと記載されていた。1Mウィンドウと350kウィンドウはメモリコストの異なる別製品であり、64kの出力上限は、まさにこのモデルが売り込まれている長期的なエージェント作業にとって厳しい制約となる。StepFunの発表は1Mと述べており、出力上限には触れていない。その答えに依存するパイプラインを構築する前に、自分のルーティングがどちらに振り分けられるのかを知っておく価値がある。そしてそれは、リーダーボードではなくベンダーのドキュメントに問うべき問題だ。

もう一つ、今回のローンチで変わらなかったのは独立した再現性です。上のベンチマーク行のうち、Artificial Analysis 由来でないものはすべて StepFun 自身のもので、StepFun のハーネス上で実行されたものであり、エージェント関連の結果を第三者機関が再現した例はありません。今年の中国ラボのフラッグシップに見られるパターンは、総合指数は持ちこたえる一方でベンダーの見出しとなる行は変動するというもので、計画を立てる際の数値としては総合指数を扱うべきです。

今日すぐに電話できるもの、そしてその間にどこへ振り分けるか

Step 5 Preview は当社のカタログにはなく、OrcaRouter もそれをルーティングしません — StepFun 側には公開 API と Studio があり、実行されるのはそこです。当社にあるのは、それが比較評価されているモデル群で、1つのキーの背後にあります：DeepSeek V4.1 Flash は100万トークンあたり入力 $0.15、出力 $0.60、GLM-5.3 は $1.26 と $3.96（Z.ai の表示は $1.40 と $4.40）、Claude Opus 5 は $5.00 と $25.00、そして Kimi K3 も並びます。これが今後3週間の実用的な形です。ベンチマークできるプレビューと、実際に頼れる本番モデルのセット、200を超えるモデルを1つの API で利用でき、プロバイダーの定価が 0% のマークアップでそのまま適用される — つまり、StepFun の価格が10月より前に動けば、支払う金額も同じ日にそれに合わせて動き、更新時ではありません。

この期間は、自動フェイルオーバーの価値がいつも以上に高い。なぜなら、プレビューの障害モードは「品質が悪い」ことではなく、「キャパシティに制約されている」ことだからだ。発表当日にAPIを公開しながら、まだ重みを提供していないモデルは、サービング用フリートをまだ構築中だということ。午前2時に性能が低下するプレビューエンドポイントは、あなたのエージェントループも道連れにする。実績のあるモデルをフォールバックに据えたルーターの背後にプレビューを置けば、実証されていないフリートに本番経路を賭けることなく、自分のワークロードでの品質シグナルを得られる。

重要な日付は10月15日です

ここまで述べてきたことはすべて、ある一点において暫定的だ。すなわち、モデルを恒久的なものにするのはウェイトそのものだ。1.00ドルと2.70ドルでのクローズドプレビューは単一ベンダーから提示される良い価格であり、公開ライセンス下のBF16チェックポイントは、もはや単一のベンダーが制御できる価格ではない。StepFunは10月15日に向けて後者にコミットしており、すでに確保しているリポジトリ名はbfloat16が先頭に来ることを示している。

今からその時までの間に注視すべき点は、狭く、かつ確認可能だ。リポジトリは埋まるのか——そしてどのライセンスで？設定ファイルは合計600B・アクティブ27Bを裏付けるのか？StepFunはコンテキストウィンドウと並べて出力上限を公表し、350k/64kの疑問を解消するのか？プレビューの接尾辞が外れた後も価格は維持されるのか？これら4つの答えが、Step 5 Previewがセルフホストするモデルになるのか、レンタルするモデルになるのか、一度ベンチマークして見限るモデルになるのかを決める。リポジトリに.gitattributesしか入っていないうちは、この発表は物語の始まりであって終わりではない。