StepFun의 Step 5 Preview 런칭 나이트: 여섯 주 앞서 출시된 모델에 대해 다섯 명의 빌더가 말한 것

들어오는 길에 비가 내렸는데, 이는 2026년 10월 22일 샌프란시스코에서 열린 저녁 행사에서 StepFun이 통제할 수 없었던 유일한 부분이었다. 회사는 Together AI와 공동 주최로 방을 하나 빌려 가득 채웠다 — 문이 열리기 전까지 약 277명이 공개 이벤트 페이지에 등록을 마친 상태였다 — 초대장에서는 이를 Step 5 Preview Launch Night라고 불렀고, 달력에서는 목요일이라고 불렀다. 출시되는 모델은 9월 20일부터 API가 있었고, 10월 15일부터 다운로드 가능한 가중치가 있었다. 그 어느 날짜도 파티 때문에 바뀌지 않았다. 파티가 한 일은 모델 위에 구축하는 사람들을 이 모델을 훈련한 사람들과 같은 방에 모아, 벤치마크 표로는 결코 포착되지 않는 작업의 부분들에 대해 이야기하게 한 것이었다.

패널은 규모가 작았지만 유난히 구체적이었다: StepFun의 프리트레이닝 연구원 Hongyu Zhou; Together AI에서 커널을 운영하는 Dan Fu; Pear VC의 Mar Hershenson; Cline의 Saoud Rizwan; 그리고 Harvey의 Joey Wang. 이들은 함께 모델이 실제로 사용되는지를 결정하는 네 가지를 다뤘다 — 모델이 어떻게 학습되었는지, 어떻게 서빙되는지, 그 위에 구축된 것에 누군가 자금을 대줄지, 그리고 에이전트 루프가 40번째 단계에서 무너지지 않는다고 의존할 수 있는지.

먼저 데이트 문제부터요. 그게 그날 저녁 전체를 설명해 주니까요.

Step 5 Preview는 새롭지 않다. StepFun은 2026년 9월 20일에 상용 API를 공개했고, 출시는 처음부터 프리뷰 형태로 진행되었다 — step-5-preview는 누군가 나중에 붙인 수식어가 아니라 모델 ID다. Artificial Analysis는 출시 시점을 날짜 없이 "2026년 9월"로 표기하며, 자사의 오래된 모델 페이지에는 날짜를 9월 18일로 적었다. StepFun 자체 날짜와의 이 불일치는 어느 쪽도 설명한 적이 없으며, 이 글은 그 단서를 붙여 StepFun의 9월 20일을 사용한다.

10월 22일에 중요했던 날짜는 10월 15일이었다. 바로 그날 BF16 및 FP8 체크포인트가 Hugging Face와 ModelScope에 공개되었으며, 92층의 "좁고 깊은(narrow-deep)" 스택과 게이트된 슬라이딩 윈도 레이어를 희소한 전체 어텐션 레이어와 교차시키는 희소 GQA 어텐션 패턴을 설명하는 기술 블로그도 함께 올라왔다. 가장 단순하게 읽자면, 이 이벤트는 가중치 공개를 위한 런칭의 밤이었다. 즉 모델이 '호출하는 것'에서 '직접 실행할 수도 있는 것'이 된 저녁이었다.

그렇게 해석하는 것은 분명히 말해둘 가치가 있다. 왜냐하면 다른 해석, 즉 이것이 새로운 모델이라는 해석이 저녁 내내 떠돌았는데 그것은 틀렸기 때문이다. StepFun이 10월 말에 모델을 출시했다고 생각하며 자리를 떠난 사람은 이미 내릴 수 있었던 결정에 6주나 늦을 것이다.

방에 실제로 보여진 것

기술 내용은 마케팅보다 가벼웠는데, 이는 이 형식에서는 정상이다. StepFun이 화면에 보여준 것은 새로운 벤치마크 실행 결과라기보다 모델의 구조였다. 총 6000억 개 파라미터와 토큰당 270억 개 활성 파라미터를 가진 희소 혼합 전문가 모델로, 352개 전문가 중 8개가 라우팅되고 공유 전문가 1개가 더해지며, 추측 디코딩을 위한 3개의 다중 토큰 예측 계층과 100만 토큰 컨텍스트 창을 갖춘다. 텍스트, 이미지, 비디오를 입력받고 텍스트만 반환한다. StepFun 자체 문서의 출력 상한은 64k 토큰이다.

저우의 발표 부분은 이 아키텍처가 왜 이런 모습인지에 대해 가장 실제에 가까운 주장을 내놓은 대목이었습니다. 즉, 좁은 층을 깊게 쌓은 구조라는 것, 그리고 깊이가 암시적 다중 홉 추론을 가능하게 한다는 논리였습니다. 더 얕고 더 넓은 모델이라면 그 추론을 명시적으로 드러내느라 토큰을 써야 하기 때문입니다. 그 논리가 맞는지는 출시 당일 밤에 결론지을 일이 아닙니다. 그러나 그것은 다운로드 가능한 체크포인트가 있으면 다른 사람들이 검증할 수 있는 종류의 주장이며, 바로 그 일이 10월 15일 전에는 가능하지 않았습니다.

주제는 도구 호출이었다. 벤치마크는 아니었다.

패널에서 가장 유용했던 구간은 에이전트 루프의 신뢰성에 관한 논의였고, 이는 모델을 훈련하기보다 그 루프 안에서 하루를 보내는 현장의 두 사람에게서 나왔다. 리즈완의 제품인 Cline은 20단계 작업의 11단계에서 모델이 잘못된 JSON을 반환해도 계속 작동해야 하는 편집기 에이전트다. 왕의 고용주인 Harvey는 법률 업무를 위해 유사한 루프를 운영하는데, 여기서 잘못된 도구 호출은 형편없는 데모가 아니라 법적 책임을 초래하는 사건이다.

두 설명이 공통으로 지적하는 것은 벤치마크 평균에는 드러나지 않는 실패 모드입니다. 즉, 열 턴 동안은 뛰어나지만 그 뒤로 조용히 인자의 형태를 바꾸는 모델입니다. 그 차원에 대해 StepFun이 공개한 증거는 자사 자체 자료이며, 그렇게 명시해 두는 편이 좋습니다. Terminal-Bench 4.0에서 공급업체는 33.3을 보고하며 이는 Kimi K3의 12.6과 대비됩니다. DeepSWE v1.1에서는 67.7 대 67.5입니다. 이는 공급업체가 선택한 하네스에서 공급업체가 직접 실행한 수치이며, 특히 터미널 작업에서의 격차는 누군가 이를 기준으로 마이그레이션을 계획하기 전에 제2의 의견이 필요할 만큼 큽니다. 독립 평가자는 이 모델에 대해 하네스를 동일하게 맞춘 직접 비교를 공개하지 않았으며, 그 평가자가 실제로 공개하는 지수는 그 이후 재구축되었습니다. 아래를 참조하십시오.

추론 비용, 가격표가 아닌 서빙 문제로 논의

Fu가 다룬 부분은 셀프 호스팅을 하려는 사람에게 가장 중요한 내용이었으며, 일반적인 런칭 발표에서는 흔히 볼 수 없는 수준으로 구체적이었다. FP8 체크포인트에는 약 773 GB의 VRAM과 최소 4개의 GPU가 필요하고, 기본 타깃은 B300이다. Hopper 경로에는 H200 8개가 필요한데, 이는 모델이 4개 GPU에는 들어가지 않기 때문이다. NVFP4 버전은 요구 공간을 약 473 GB로 낮추는 대신 사용 가능한 컨텍스트를 320k 토큰으로 제한하는데, 이는 반올림 오차가 아니라 실질적인 트레이드오프다. vLLM과 SGLang 모두 10월 15일에 레시피를 공개했으며, SGLang 경로는 콜드 스타트 시 약 15분의 FlashInfer 컴파일 비용을 치러야 한다.

이와 대조적으로 대여 대안은 간단합니다. StepFun의 달러 카드에서는 100만 입력 토큰당 $1.00, 100만 출력 토큰당 $2.70이며, 캐시된 입력은 90% 할인으로 청구됩니다. StepFun의 위안화 카드에는 입력 ¥7, 출력 ¥20, 캐시 적중 시 ¥0.70으로 표시되는데, 캐시 적중 수치는 10월 14일 베이징 시간 00:30에 ¥0.35에서 두 배로 올랐으며, 이는 행사 8일 전이었고, 이전 종량제 호출자에게는 기존 조건 보장 조항이 적용됩니다. 무대 위 누구도 그 변경을 언급하지 않았습니다. 이는 이번 달 이 모델에 관한 가장 중대한 단일 가격 책정 사실이며, 발표 자료(덱)가 아니라 벤더 자체 문서에 있습니다.

Artificial Analysis는 캐시 적중 비율이 7:2:1일 때 혼합 비용을 100만 토큰당 $0.54로, 전체 Intelligence Index 실행 비용을 $2.35로 산정합니다.

핵심 질문, 바로 그 지점에서 저녁 자리는 솔직해졌다.

Hershenson의 기여는 기술적인 내용이 가장 적고 가장 유용했다. 즉, 값싸고 개방형이며 긴 컨텍스트를 가진 모델에 관심을 가져야 하는 이유는 그것이 시드 단계 기업이 시도할 수 있는 일을 바꾸기 때문이라는 점을 상기시켜 주었다. 에이전트 루프의 모든 단계마다 최첨단 모델을 감당할 수 없었던 스타트업이 이제는 그 루프를 한 번 넘게 실행할 여유를 갖게 된 것이다. 기업 구매 조직 내부에서 같은 요점을 말한 Wang의 표현은, 조달 질문이 “이것이 최고의 모델인가”가 아니라 “그것이 우리 기대보다 두 배 더 좋고 우리가 모든 것을 그것으로 라우팅한다면 우리의 비용과 지연 시간에는 무슨 일이 일어나는가”라는 것이었다.

그것은 라우팅 질문이며, 셀프 호스팅 경제성과 API 경제성이 별개의 논의가 아니게 되는 유일한 지점입니다. 이에 대한 OrcaRouter의 입장은 명확합니다: 플랫폼은 하나의 키와 하나의 청구서로 214개 모델을 제공하며, 애플리케이션에 모델 ID를 하드코딩하는 대신 기본 모델과 폴백 체인을 선언할 수 있게 하는 라우팅 구성과, 제공업체가 저하될 때 자동 페일오버를 갖추고 있습니다. Step 5 Preview는 그 214개 모델에 포함되지 않습니다. 2026년 10월 29일 기준 라이브 카탈로그에 StepFun 항목은 없으며, 이 글의 어떤 내용도 우리가 이를 제공한다는 주장으로 읽혀서는 안 됩니다. 오늘 이 모델을 평가하려는 사람은 StepFun 자체 API와 10월 15일에 공개된 체크포인트를 셀프 호스팅하는 것 중에서 선택해야 합니다.

모델이 출시된 뒤 실제로 무엇이 달라졌나

의사결정에 영향을 미쳐야 하는 정도 순으로 세 가지입니다.

첫 번째는 인덱스입니다. 10월 27일과 28일, Artificial Analysis는 Intelligence Index를 버전 5로 교체했으며, 복합 점수의 60%를 비공개 또는 보류된 테스트 세트에 가중치를 두고, nine constituent evaluations를 재구축했습니다. StepFun의 출시 자료가 의존했던 평가 세 가지 — GDPval-AA, SciCode, AA-LCR — 를 삭제하고 FrontierCode 2.0과 Terminal-Bench-Science를 추가했습니다. Step 5 Preview의 새 인덱스 점수는 29입니다. 기존 인덱스에서의 점수는 44였습니다. 이는 서로 다른 두 루브릭에서 같은 모델을 측정한 서로 다른 두 값일 뿐, 모델이 나빠진 것이 아니며, 9월과 10월에 유포된 44를 v5로 채점된 어떤 것에서도 빼서는 안 됩니다. 비교하자면 Kimi K3.1 Pro는 같은 재구축 과정에서 55에서 46으로 이동했습니다 — 막 출시된 모델에서 9점 하락입니다.

두 번째는 라이선스입니다. 가중치는 다운로드할 수 있다는 의미에서는 공개되어 있지만, OSI(Open Source Initiative) 의미의 오픈 소스는 아닙니다. StepFun Model License 1.0은 실질적으로 사용된 출력물에 대한 출처 표시 조건을 유지하고, 하드웨어 제조사—휴대폰, 차량, 웨어러블, 로봇—가 별도로 협상해야 한다고 요구하며, 연 매출 2,000만 달러를 초과하는 모델 서비스(model-as-a-service) 운영자에게는 상업용 라이선스를 요구합니다. 두 사람 팀이라면 그중 어느 것도 문제되지 않습니다. 그 위에서 추론을 재판매할 계획이라면 즉시 문제가 되며, 첫 GPU 시간을 쓰고 난 뒤보다는 쓰기 전에 읽어볼 가치가 있습니다.

세 번째는 이미 설명한 가격 변경으로, 행사 전에 발생했으며 행사에서는 언급되지 않았습니다.

빌더가 그 저녁에서 얻어야 할 것

10월 22일의 유용한 신호는 StepFun이 새 모델을 출시했다는 점이 아니다. 그것은 9월에 출시한 플래그십을 보유한 회사가 10월의 어느 저녁을 에이전트 빌더들과 도구 호출 신뢰성 및 커널 수준 서빙 비용에 관해 이야기하며 보냈다는 점이다. 그리고 그 방에는 그 두 문제로 고통을 겪을 사람들이 맨 앞줄에 앉아 있었다. 이는 마치 앞으로 6개월의 채택이 또 하나의 벤치마크 기록이 아니라 운용 가능성에 달려 있다는 듯이 행동하는 회사의 모습이다.

그것의 구체적인 내용은 이렇습니다. Step 5 Preview를 진지하게 받아들이기 전에 가중치가 먼저 나오기를 기다리고 있었다면, 그 기다림은 10월 15일에 끝났습니다. 다른 모든 것과 비교할 수 있는 독립적인 점수를 기다리고 있었다면, 이제 그 숫자가 존재합니다. 숫자는 29이며, 방금 모두가 딛고 서 있던 기반부터 새로 구축된 루브릭에 따라 측정되었습니다. 이 두 가지는 모두 다음 출시일 밤이 지난 뒤가 아니라 지금 견해를 세워야 할 이유입니다.