Step 5 Preview vs Muse Glimmer: Frontier API และโมเดลแล็ปท็อป

บนตารางจัดอันดับ Step 5 Preview กับ Muse Glimmer ไม่ได้ใกล้กันเลย: 44 ต่อ 17 บน Artificial Analysis Intelligence Index — ช่องว่างยี่สิบเจ็ดจุดบนสเกลที่ผู้นำคนปัจจุบันอยู่ที่ปลายห้าสิบ — เป็นช่องว่างที่ต่อให้ปรับจูนมากแค่ไหนก็ปิดไม่ได้ แต่ในคำถามที่ทีมงานต้องตอบจริง ๆ — โทเคนของฉันไปวิ่งอยู่ที่ไหน — ทั้งสองคือคู่แข่งที่แข่งกันตรง ๆ Step 5 Preview เป็นเรือธงของ StepFun เปิดตัวเมื่อ 20 กันยายน 2026 มีพารามิเตอร์รวมราว 6 แสนล้าน โดยมีพารามิเตอร์ที่ทำงานอยู่ 27,000 ล้าน คอนเท็กซ์ 1 ล้านโทเคน ราคา 1.00 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเคน และ 2.70 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน และเข้าถึงได้ทางเครือข่ายเท่านั้น Muse Glimmer เป็นโมเดลเอเจนต์แบบเปิดน้ำหนักของ Meta Superintelligence Labs ขนาด 30,000 ล้านพารามิเตอร์ เปิดตัวเมื่อ 10 สิงหาคม 2026 ภายใต้สัญญาอนุญาต Apache 2.0 จัดส่งมาในรูปแบบควอนไทซ์ 4 บิต จึงพอดีกับหน่วยความจำที่ไม่ถึง 20 GB และรันบน GPU สำหรับผู้ใช้ทั่วไปเพียงตัวเดียวโดยไม่ต้องต่อเครือข่าย วิธีอ่านคู่นี้ให้ถูกไม่ใช่ "ตัวไหนฉลาดกว่า" แต่คือ "ในสองข้อจำกัดนี้ — ความสามารถ หรือ ขอบเขตการเข้าถึง — ข้อไหนคือข้อที่งานของคุณเลี่ยงไม่ได้"

การเปรียบเทียบนี้ยังเป็นเครื่องช่วยแก้ไขที่มีประโยชน์ต่อนิสัยหนึ่งที่ตลาดนี้ติดมา นั่นคือการมองคะแนนดัชนีแบบรวมเป็นมูลค่าทั้งหมดของโมเดล ช่องว่าง 27 จุดนั้นเป็นของจริง และไม่ใช่ตัวเลขเดียวในไฟล์นี้ ในด้านการดึงข้อมูลบริบทยาว คณะกรรมการอิสระชุดเดียวกันจัดให้ Muse Glimmer อยู่ในระยะห่างเพียงครึ่งคะแนนจากโมเดลแบบเปิดน้ำหนักจากคลาสน้ำหนักที่ใหญ่กว่ามาก และเบนช์มาร์กเชิงเอเจนต์ของ Meta เองก็น่านับถือสำหรับโมเดลที่รันบนแล็ปท็อป ในขณะเดียวกัน จุดอ่อนที่ถูกอ้างถึงมากที่สุดของ Step 5 Preview ไม่ใช่เรื่องความสามารถเลย แต่เป็นความฟุ่มเฟือยทางคำพูด และมันยังปิดอยู่จนกว่าเวตที่สัญญาไว้จะมาถึงในวันที่ 15 ตุลาคม

สองโมเดล สองวัตถุที่แตกต่างกันโดยสิ้นเชิง

Step 5 Preview เป็นระบบ Mixture-of-Experts ที่ให้บริการจากโครงสร้างพื้นฐานของ StepFun: พารามิเตอร์รวมประมาณ 600B เปิดใช้งาน 27B ต่อโทเคน รับอินพุตทั้งข้อความและภาพ มีหน้าต่างบริบท 1M โทเคน และมีคะแนน Intelligence Index อิสระอยู่ที่ 44 เทียบกับค่ามัธยฐานของโมเดลที่เทียบเคียงกันได้ที่ 26 เอาต์พุตของมันทำงานที่ 87 โทเคนต่อวินาที เทียบกับค่าเฉลี่ย 78 จากการวัดของบอร์ดเดียวกัน และมันสร้างโทเคนเอาต์พุตประมาณ 160 ล้านโทเคนทั่วทั้งชุดงานของดัชนี ขณะที่โมเดลค่ามัธยฐานปล่อยออกมาประมาณ 82 ล้าน — ราวสองเท่าของข้อความต่อหนึ่งหน่วยงาน โดยคิดค่าบริการที่ $2.70 ต่อล้าน น้ำหนัก BF16 ถูกสัญญาไว้สำหรับวันที่ 15 ตุลาคม 2026 และยังไม่ปรากฏใน repository ดังนั้นในตอนนี้โมเดลจึงมีให้คุณใช้ในรูปแบบ API เท่านั้น

Muse Glimmer เป็นสิ่งที่ตรงกันข้าม มันเป็นโมเดลขนาด 30B พารามิเตอร์ที่ฝึกด้วยการกลั่นลอจิตจากโมเดลครู Muse Spark ที่ใหญ่กว่าของ Meta จากนั้นปรับแต่งละเอียดบนข้อมูลเอเจนติกบริบทยาวและเสริมกำลังสำหรับการใช้เครื่องมือ Meta เปิดตัวมันในเวอร์ชันควอนไทซ์ 4 บิต ซึ่งลดหน่วยความจำจากมากกว่า 55 GB ที่ความแม่นยำเต็มลงเหลือต่ำกว่า 20 GB — ภายในกรอบ VRAM 24 GB หรือ 32 GB — และมันถูกทดสอบโดย Meta บน Nvidia RTX 5090 และบนซิลิคอน Apple M4 Max และ M5 Max มันรับอินพุตข้อความและภาพในภาษามากกว่าร้อยภาษา รองรับบริบท 131,072 โทเค็นที่ขยายได้ถึง 262,144 และถูกสร้างมาเพื่อรับเป้าหมาย แบ่งเป็นขั้นตอน เรียกใช้เครื่องมือ และลองใหม่เมื่อการเรียกล้มเหลวแทนที่จะหยุด มันเป็น Apache 2.0 และทำงานแบบออฟไลน์

• คะแนนอิสระ — Step 5 Preview: 44 เทียบกับค่ามัธยฐานที่ 26 ในระดับเดียวกัน เมื่อเทียบกับ Muse Glimmer: 17 บนดัชนีเดียวกันในคอนฟิกูเรชันระดับสูงของมัน

• ขนาด — Step 5 Preview: รวมประมาณ 600B, ทำงาน 27B ต่อ StepFun เทียบกับ Muse Glimmer: 30B, ควอนไทซ์เป็น 4-bit ภายใต้ 20 GB

• หน้าต่างบริบท — Step 5 Preview: 1M โทเคน เทียบกับ Muse Glimmer: 131,072 ซึ่งขยายได้ถึง 262,144 ตามข้อมูลของ Meta

• ราคา — Step 5 Preview: $1.00 ขาเข้า / $2.70 ขาออก ต่อล้านโทเค็น เมื่อเทียบกับที่ประกาศไว้กับ Muse Glimmer: ไม่คิดค่าบริการต่อโทเค็น คุณต้องจัดหา GPU เอง

• รันที่ไหน — Step 5 Preview: เซิร์ฟเวอร์ของผู้ขาย ผ่าน HTTP เทียบกับ Muse Glimmer: ฮาร์ดแวร์ของคุณเอง แบบออฟไลน์

• สัญญาอนุญาต — Step 5 Preview: พรีวิวแบบปิด โดยสัญญาว่าจะปล่อยเวตโมเดลในวันที่ 15 ตุลาคม 2026 เทียบกับ Muse Glimmer: Apache 2.0 ดาวน์โหลดได้เลยตอนนี้

• การดึงข้อมูลบริบทขนาดยาว — Muse Glimmer ทำคะแนนได้ 80.0 ในการประเมินการให้เหตุผลกับบริบทขนาดยาวของ index board ห่างจากโมเดลที่ราคาสูงกว่าหลายเท่าไม่ถึงครึ่งคะแนน และใกล้เคียงกับคะแนนของ Step 5 Preview มากพอที่ความต่างนี้จะไม่ส่งผลต่อการตัดสินใจสำหรับงานค้นหาข้อเท็จจริง

ยี่สิบเจ็ดประเด็น และสิ่งที่ประเด็นเหล่านี้ไม่ได้วัด

โมเดลขนาด 30B ที่ถูกกลั่นให้ทำงานในหน่วยความจำ 20 GB ย่อมแพ้โมเดลเรือธงขนาด 600B ในดัชนีวัดความฉลาดทั่วไป และเอกสารของ Meta เองก็ไม่ได้อ้างเป็นอย่างอื่น — หนึ่งในกรอบคำอธิบายของบริษัทระบุตรง ๆ ว่า Glimmer ไม่ได้ถูกออกแบบมาให้เทียบเท่าพลังการให้เหตุผลดิบของโมเดลคลาวด์ขนาดเต็มรูปแบบ ดังนั้นคะแนน 17 จึงไม่ใช่คำตัดสินเกี่ยวกับงานวิศวกรรม หากแต่เป็นผลลัพธ์ที่คาดไว้จากการชั่งน้ำหนักวัตถุประสงค์ที่ต่างออกไป คำถามที่ถูกต้องคือ งานใดของคุณที่ช่องว่างนี้ครอบคลุมอยู่จริง

บริบทแบบยาวคือจุดที่สองสิ่งนี้เข้าใกล้กันมากที่สุด และเป็นจุดที่สัญชาตญาณใช้ไม่ได้ผล Muse Glama ทำคะแนนได้ 80.0 ในการประเมินการให้เหตุผลด้านบริบทแบบยาวของบอร์ด — คะแนนที่คงไม่น่าจับตามองสำหรับโมเดลระดับแนวหน้า แต่กลับน่าทึ่งสำหรับโมเดลที่รันบน GPU สำหรับผู้บริโภค หากภาระงานของคุณคือการค้นคืน การสรุปความ หรือการสกัดข้อมูลจากเอกสารยาว โมเดลภายในเครื่องที่อยู่ในระดับนั้นก็ไม่ใช่เครื่องมือที่ผิดอย่างชัดเจน และการที่คำขอไม่เคยออกจากเครื่องของคุณก็เป็นฟีเจอร์ที่คุณซื้อจาก Muse ไม่ได้ไม่ว่าจะจ่ายราคาเท่าใด

จากนั้นก็มีส่วนของการเปรียบเทียบที่ตัวเลขของ Meta ไม่ได้แสดงให้เห็น การศึกษาที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิเกี่ยวกับการประสานงานแบบหลายเอเจนต์ได้ทดสอบ Muse-Glimmer-30B ในสภาพแวดล้อมแบบควบคุม — งานเดียวกัน ชุดทดสอบเดียวกัน ที่ปรึกษาชุดเดียวกัน — และพบว่ามันไม่สามารถกู้คืนแคนดิเดตใด ๆ ที่สร้างขึ้นโดยโมเดลแนวหน้าขนาดใหญ่กว่าได้ โดยล้มเหลวทั้งสามความพยายามในแต่ละการตั้งค่า นั่นคือการศึกษาเดียวของการกำหนดค่าเดียว และเป็นหลักฐานประเภทที่หน้าโมเดลไม่เคยเปิดเผย สำหรับไปป์ไลน์แบบเอเจนต์ที่ตัวประสานงานที่อ่อนกว่าต้องกู้คืนจากความล้มเหลวของโมเดลที่แข็งแกร่งกว่า มันเป็นผลลัพธ์ที่เกี่ยวข้องกับการตัดสินใจมากที่สุดในบทความนี้ และควรค่าแก่การอ่านก่อนเบนช์มาร์กใด ๆ ที่ผู้ขายอย่าง Meta รายงาน

เพื่อความครบถ้วน เบนช์มาร์กเหล่านั้นเป็นของ Meta เองและยังไม่ถูกทำซ้ำ: 76.0% บน SWE-Bench Verified, 51.2% บน SWE-Bench Pro, 51.7% บน TerminalBench 2.1, 65.9% บน OSWorld-Verified, 83.5% บน GPQA Diamond, 22% บน Humanity's Last Exam และ 75.5 บน MCP-Atlas โดยวัดเทียบกับโมเดลในระดับขนาดเดียวกัน และบ่งบอกถึงเอเจนต์ท้องถิ่นที่มีความสามารถ มากกว่าจะเป็นตัวให้เหตุผลระดับแนวหน้า

ขอบเขตจริงๆ ตกอยู่ตรงไหน

ข้อได้เปรียบเชิงโครงสร้างของ Step 5 Preview คือมันทำงานที่คุณไม่สามารถทำได้ในเครื่องของคุณเอง คอนเท็กซ์ 1M โทเคน การป้อนข้อมูลภาพ คะแนนที่วัดได้ซึ่งใกล้เคียงระดับแนวหน้า และเอาต์พุต 87 โทเคนต่อวินาทีโดยไม่ต้องซื้อฮาร์ดแวร์ใด ๆ: สำหรับการร่าง การวางแผน การรีวิวโค้ดทั่วทั้งคลังโค้ดขนาดใหญ่ หรืออะไรก็ตามที่เพดานความสามารถของโมเดลเป็นคอขวด API ชนะ และ 27 คะแนนคือข้อโต้แย้งทั้งหมด ต้นทุนของสิ่งนั้นตรงกันข้ามกับของ Muse Glimmer: พรอมต์ออกไปนอกขอบเขตของคุณ ราคาถูกคิดซ้ำในทุกโทเคน และความเยิ่นเย้อของโมเดลทำให้งานที่ได้เอาต์พุตยาวมีค่าใช้จ่ายแพงกว่าที่อัตรา $2.70 บ่งชี้

ข้อได้เปรียบของ Muse Glimmer คือมันทำงานที่ไม่สามารถออกไปข้างนอกได้ ถ้าข้อมูลอยู่ภายใต้การกำกับดูแล ถ้างบความหน่วงอยู่ที่เพียงไม่กี่มิลลิวินาที ถ้าเครื่องออฟไลน์ หรือถ้าต้นทุนส่วนเพิ่มของคำขอที่ล้านต้องเป็นศูนย์ แล้วไม่มี API ใดเป็นตัวเลือก — ไม่ใช่ตัวนี้ ไม่ใช่ตัวใดเลย ราคาที่ต้องจ่ายสำหรับสิ่งนั้นคือขีดความสามารถ: คุณกำลังเลือก 17 ทั้งที่มี 44 อยู่ และในการประสานงานแบบเอเจนต์ คุณอาจกำลังเลือกผู้ประสานงานที่ไม่สามารถฟื้นตัวจากความผิดพลาดของโมเดลที่แข็งแกร่งกว่าได้

สำหรับทีมส่วนใหญ่ คำตอบไม่ใช่การเลือกอย่างใดอย่างหนึ่ง แต่เป็นการแบ่งแยก และการแบ่งแยกนั้นต้องมีที่อยู่ให้ลงตัว OrcaRouter จัดเส้นทางโมเดลมากกว่า 200 รายการไว้เบื้องหลังคีย์ API เดียวและบิลใบเดียว โดยบวกกำไร 0% และส่งต่อราคาตามรายการของผู้ให้บริการ พร้อมด้วยการสลับไปใช้ระบบสำรองอัตโนมัติและ DSL สำหรับจัดเส้นทางเพื่อส่งทราฟฟิกตามงาน ต้นทุน หรือความหน่วง ทั้ง Step 5 Preview และ Muse Glimmer ต่างก็ไม่อยู่ในแค็ตตาล็อกนั้น — เรือธงของ StepFun ไม่ได้ถูกจัดเส้นทางโดยเรา และ Glimmer เป็นไฟล์ดาวน์โหลดที่รันในเครื่อง — ดังนั้นคุณค่าที่นำเสนอจึงไม่ใช่การเข้าถึงโมเดลใดในสองตัวนี้ แต่เป็นชุดโมเดลที่คุณจะนำมาใช้เป็นมาตรฐานเปรียบเทียบกับทั้งสองตัว ซึ่งเรียกใช้ได้ด้วยคีย์เดียวตั้งแต่วันนี้ เพื่อให้การตัดสินใจระหว่างในเครื่องกับระยะไกล ถูกกำหนดโดยการกระจายงานของคุณเอง มากกว่าจะขึ้นอยู่กับหน้าของผู้ขายรายใดรายหนึ่งที่คุณอ่านเป็นครั้งสุดท้าย

วิธีตัดสินใจ

เลือก Step 5 Preview เมื่อเพดานคือข้อจำกัด หากงานของคุณเป็นแบบปลายเปิด มัลติโมดัล บริบทยาว หรือแบบเอเจนต์ในความหมายที่ต้องมีตัววางแผนที่มีความสามารถ โมเดล API คือหนึ่งเดียวในสองตัวที่ทำสิ่งเหล่านั้นได้ และราคาของมันต่ำพอสำหรับระดับของมัน จนการนำร่องใช้งานเป็นเพียงรายการงบประมาณ ไม่ใช่โครงการ เผื่องบสำหรับความเยิ่นเย้อ วางแผนเผื่อว่ากำหนดการน้ำหนักวันที่ 15 ตุลาคมจะเลื่อน และกันเวิร์กโหลดที่ต้องไม่ออกจากอาคารไว้ไม่ให้เกี่ยวกับเรื่องนี้

เลือก Muse Glimmer เมื่อขอบเขต (perimeter) เป็นข้อจำกัด หากข้อมูลของคุณส่งออกไม่ได้ หากคุณต้องรันบนเครื่องบินหรือในโรงงาน หรือหากปริมาณการใช้งานของคุณทำให้การคิดราคาต่อโทเคนดูไม่สมเหตุสมผล โมเดล 30B Apache-2.0 ที่พอดีใน 20 GB คือทางเลือกที่ใช้ได้จริง และผลลัพธ์การดึงข้อมูลบริบทแบบยาวของมันดีพอที่ช่องว่างด้านความสามารถจะไม่ปรากฏในทุกเวิร์กโหลด ทดสอบมันในงาน orchestration ก่อนที่คุณจะเชื่อใจมันในจุดนั้น เพราะนั่นคือจุดที่หลักฐานอิสระอ่อนแอที่สุด

หากข้อจำกัดทั้งสองอย่างมีผลพร้อมกัน ก็ทำทั้งสองทางไปเลย: รันบนเครื่องสำหรับข้อมูลที่ย้ายไม่ได้ ใช้ API สำหรับงานที่ต้องใช้โมเดลที่ใหญ่กว่า และให้การตัดสินใจเรื่องการจัดเส้นทางเป็นการแก้คอนฟิก ไม่ใช่การย้ายระบบ สิ่งที่ต้องนำมาเปรียบเทียบไม่ใช่ 44 กับ 0 แต่คือข้อมูลส่วนไหนของคุณที่ยอมให้ออกจากเครื่องได้ และนั่นเป็นคำถามที่ทราฟฟิกของคุณเองเท่านั้นที่ตอบได้