Вечер запуска StepFun Step 5 Preview: что пять разработчиков сказали о модели, вышедшей на шесть недель раньше

По дороге на мероприятие шёл дождь — единственное, что StepFun не могла контролировать в тот вечер в Сан-Франциско 22 октября 2026 года. Компания арендовала помещение, провела мероприятие совместно с Together AI и заполнила зал — около 277 человек записались на публичной странице мероприятия ещё до открытия дверей — ради события, которое в приглашении называлось Step 5 Preview Launch Night, а в календаре — четвергом. У модели, которую запускали, API был доступен с 20 сентября, а веса для скачивания — с 15 октября. Ни одна из этих дат не сдвинулась ради вечеринки. А вечеринка сделала вот что: собрала людей, которые создают решения на основе моделей, в одной комнате с теми, кто обучал эту модель, и дала им возможность обсудить те стороны работы, которые не передаст никакая таблица бенчмарков.

Панель была небольшой и необычно конкретной: Хунъюй Чжоу, исследователь предобучения в StepFun; Дэн Фу, который отвечает за ядра в Together AI; Мар Хершенсон из Pear VC; Сауд Ризван из Cline; и Джоуи Ван из Harvey. Вместе они охватили четыре вещи, которые определяют, будет ли модель использоваться, — как она обучалась, как она обслуживается, будет ли кто-то финансировать то, что построено на ней, и может ли агентный цикл рассчитывать на то, что она не сломается на сороковом шаге.

Сначала о проблеме с датой, потому что она объясняет весь вечер.

Step 5 Preview — не новинка. StepFun открыла коммерческий API 20 сентября 2026 года, и запуск с самого начала проходил в формате превью — step-5-preview это идентификатор модели, а не модификатор, который кто-то добавил позже. Artificial Analysis датирует релиз «сентябрём 2026 года» без указания дня, а на её более старой странице модели дата указана как 18 сентября; это расхождение с датой самой StepFun так и не было объяснено ни одной из сторон, и в этой статье используется дата StepFun — 20 сентября — с этой оговоркой.

Главной датой 22 октября было 15 октября. Именно тогда чекпойнты BF16 и FP8 появились на Hugging Face и ModelScope вместе с техническим блогом, описывающим 92-слойный «узкий-глубокий» стек и разреженную схему внимания GQA, которая чередует слои со стробируемым скользящим окном с разреженными слоями полного внимания. По самой простой трактовке, событие представляло собой вечер запуска релиза весов: вечер, когда модель перестала быть чем-то, что вызывают, и стала чем-то, что можно ещё и запускать.

Такую трактовку стоит озвучить, потому что альтернативная — будто это была новая модель — витала в воздухе весь вечер, и она неверна. Тот, кто ушёл с мыслью, что StepFun выпустила модель в конце октября, опоздает на шесть недель с решением, которое мог бы уже принять.

Что на самом деле было показано комнате

Техническая часть оказалась скромнее маркетинговой, что для такого формата нормально. StepFun вывела на экран скорее архитектуру модели, чем свежий прогон бенчмарков: разреженную смесь экспертов с 600 млрд общих параметров и 27 млрд активных на токен, маршрутизацией 8 из 352 экспертов плюс один общий эксперт, тремя слоями multi-token prediction для спекулятивного декодирования и контекстным окном на 1M токенов. Модель принимает текст, изображения и видео, а возвращает только текст. Потолок вывода в собственной документации StepFun — 64k токенов.

Фрагмент Чжоу был тем, что ближе всего подошёл к реальному утверждению о том, почему архитектура выглядит именно так: глубокая стопка узких слоёв, и аргумент в том, что глубина обеспечивает неявное многошаговое рассуждение, тогда как менее глубокой и более широкой модели приходится тратить токены, проговаривая его вслух. Правильность этого аргумента — не то, что можно окончательно установить в ночь запуска. Однако это именно тот вид утверждения, который скачиваемый чекпоинт позволяет проверить другим людям, и именно это было невозможно до 15 октября.

Темой был вызов инструментов. Бенчмарки — нет.

Самой содержательной частью дискуссии на панели стал разговор о надёжности в агентных циклах — и он исходил от двух человек в зале, которые проводят дни внутри таких циклов, а не обучают модели. Продукт Ризвана, Cline, — это агент-редактор, который должен продолжать работать, когда модель возвращает некорректный JSON на одиннадцатом шаге задачи из двадцати. Работодатель Вана, Harvey, запускает аналогичные циклы для юридической работы, где неправильный вызов инструмента — не неудачная демонстрация, а событие, влекущее ответственность.

То, что описали оба, — это режим отказа, который не проявляется в среднем по бенчмарку: модель, которая отлично работает десять ходов, а затем незаметно меняет структуру своих аргументов. Опубликованные доказательства StepFun по этому измерению — собственные, и это стоит обозначить именно так. На Terminal-Bench 4.0 вендор сообщает 33,3 против 12,6 у Kimi K3; на DeepSWE v1.1 — 67,7 против 67,5. Это цифры, полученные вендором, на выбранном вендором харнессе, и разрыв особенно в работе с терминалом достаточно велик, чтобы заслуживать второго мнения, прежде чем кто-либо начнёт планировать миграцию, опираясь на это. Независимый оценщик не публиковал прямого сравнения на совпадающем харнессе для этой модели, а индекс, который он всё же публикует, с тех пор был перестроен — см. ниже.

Стоимость инференса, рассматриваемая как задача сервинга, а не как прайс-лист

Фрагмент Фу был тем, что окажется важнее всего для всех, кто собирается развернуть модель самостоятельно, и он был конкретным в том смысле, в котором презентации запуска обычно не бывают. Контрольной точке FP8 требуется примерно 773 ГБ видеопамяти и минимум четыре GPU, при этом B300 — целевая конфигурация по умолчанию; путь для Hopper требует восемь H200, поскольку модель не помещается на четырёх. Вариант NVFP4 снижает требования по памяти примерно до 473 ГБ и ограничивает полезный контекст 320 тыс. токенов, а это реальный компромисс, а не погрешность округления. У vLLM и SGLang рецепты были опубликованы 15 октября, причём путь через SGLang требует около пятнадцати минут на компиляцию FlashInfer при холодном старте.

В противовес этому арендованная альтернатива проста: $1,00 за миллион входных токенов и $2,70 за миллион выходных токенов по долларовой карте StepFun, при этом кэшированные входные данные тарифицируются со скидкой 90%. Карта StepFun в юанях указывает ¥7 за вход, ¥20 за выход и ¥0,70 за попадания в кэш — причём показатель для попаданий в кэш удвоился с ¥0,35 в 00:30 по пекинскому времени 14 октября, за восемь дней до вечеринки, с оговоркой о сохранении прежних условий для более ранних пользователей pay-as-you-go. Никто на сцене не упомянул об этом изменении. Это самый значимый факт о ценообразовании этой модели в этом месяце, и он содержится в собственной документации поставщика, а не в презентации.

Artificial Analysis оценивает смешанную стоимость в $0,54 за миллион токенов при соотношении попаданий в кэш 7:2:1, а стоимость полного прогона Intelligence Index — в $2,35.

Главный вопрос — именно тогда вечер стал честным.

Вклад Хершенсона был наименее техническим и наиболее полезным: напоминание о том, что причина, по которой стоит заботиться о дешёвой, открытой модели с длинным контекстом, состоит в том, что она меняет то, на что может решиться компания на посевной стадии. Стартап, который не мог бы позволить себе передовую модель на каждом шаге цикла агента, теперь может позволить себе запустить цикл более одного раза. Версия той же мысли от Ванга, изнутри корпоративного покупателя, была такой: вопрос закупки — не «является ли это лучшей моделью», а «что произойдёт с нашими затратами и задержкой, если она окажется вдвое лучше, чем мы ожидали, и мы направим на неё всё».

Это вопрос маршрутизации, и именно здесь экономика самостоятельного хостинга и экономика API перестают быть отдельными разговорами. Позиция OrcaRouter по этому вопросу проста: платформа поддерживает 214 моделей за одним ключом и одним счётом, с конфигурацией маршрутизации, которая позволяет указать основную модель и резервную цепочку вместо жёсткого прописывания ID модели в приложении, а также автоматическим переключением при деградации провайдера. Step 5 Preview не входит в число этих 214 — по состоянию на 29 октября 2026 года в актуальном каталоге нет записи StepFun, и ничто в этой статье не следует воспринимать как утверждение, что мы его предоставляем. Тот, кто хочет оценить его сегодня, выбирает между собственным API StepFun и самостоятельным хостингом чекпоинтов, опубликованных 15 октября.

Что на самом деле изменилось после выпуска модели

Три вещи, в порядке того, насколько сильно они должны влиять на решение.

Первое — это индекс. 27 и 28 октября Artificial Analysis заменила свой Intelligence Index версией 5, присвоив 60% веса составного показателя закрытым или отложенным тестовым наборам и перестроив девять входящих в него оценок. Она исключила три оценки, на которые опирались материалы запуска StepFun — GDPval-AA, SciCode и AA-LCR — и добавила FrontierCode 2.0 и Terminal-Bench-Science. Оценка Step 5 Preview по новому индексу — 29. По старому индексу она составляла 44. Это два разных измерения одной и той же модели по двум разным методикам оценки, а не модель, которая стала хуже; показатель 44, который фигурировал в сентябре и октябре, нельзя вычитать из любых результатов, оценённых по v5. Kimi K3.1 Pro для сравнения перешла с 55 до 46 в ходе той же перестройки — падение на девять пунктов у только что выпущенной модели.

Второе — это лицензия. Веса открыты в том смысле, что вы можете их скачать, но они не открыты в смысле OSI. StepFun Model License 1.0 сохраняет условие указания авторства для существенно используемых выходных данных, требует, чтобы производители аппаратного обеспечения — телефоны, транспортные средства, носимые устройства, роботы — заключали отдельные соглашения, и требует коммерческой лицензии для операторов model-as-a-service с годовым доходом свыше 20 млн долларов. Если вы команда из двух человек, ничто из этого вас не затронет. Если вы планируете перепродавать инференс на её основе, это сразу же даёт о себе знать, и это стоит прочитать до первого часа работы на GPU, а не после.

Третье — это уже описанное изменение цены, которое произошло до мероприятия и на нём не поднималось.

Что строитель должен вынести из этого вечера

Полезный сигнал от 22 октября заключается не в том, что у StepFun появилась новая модель. А в том, что компания с флагманской моделью, выпущенной в сентябре, провела октябрьский вечер в разговорах с разработчиками агентов о надёжности вызова инструментов и затратах на обслуживание на уровне ядра — в помещении, где люди, которым придётся страдать от того и другого, сидели в первых рядах. Так ведёт себя компания, будто следующие шесть месяцев внедрения зависят от эксплуатационной пригодности, а не от ещё одной строки в таблице бенчмарков.

Конкретно это означает следующее: если вы ждали появления весов, чтобы начать относиться к Step 5 Preview всерьёз, ждать больше не нужно — это случилось 15 октября. Если вы ждали независимой оценки, которую можно сравнить со всем остальным, теперь такая цифра есть — это 29, и она получена по рубрике, которую только что перестроили у всех под ногами. И то, и другое — причины сформировать мнение сейчас, а не после следующей ночи запуска.