Step 5 Preview so với Gemini 3.1 Pro: Hai mô hình có tên Preview, cách nhau bảy tháng

Cả Step 5 Preview lẫn Gemini 3.1 Pro đều mang trong tên từ preview, và từ ấy không hề mang cùng một nghĩa ở cả hai. StepFun công bố Step 5 Preview vào ngày 20 tháng 9 năm 2026, với API đã mở, trọng số dự kiến ra mắt ngày 15 tháng 10, và một kho BF16 trên Hugging Face chỉ chứa đúng một tệp .gitattributes. Còn cái kia đã được phát hành với tên gemini-3.1-pro-preview trong API và với tên "Gemini 3.1 Pro Preview" trên mọi bảng xếp hạng kể từ ngày 19 tháng 2 năm 2026, xử lý lưu lượng sản xuất suốt bảy tháng mà nhãn chưa từng được gỡ bỏ. Một cái là bản xem trước thực sự của một thứ chưa hoàn thiện. Cái kia là một quy ước đặt tên gắn với một sản phẩm đã hoàn thiện. So sánh chúng trên cùng một trục nghĩa là phải quyết định xem bạn thực sự đang mua cái nào trong hai thứ đó, và câu trả lời ở tầng thứ hai — rằng mô hình vẫn còn bị gọi là bản xem trước sau bảy tháng lại là cái dễ dự đoán hơn trong hai — chính là phần đáng mang theo vào một quyết định mua sắm.

Điều mà cùng một bảng đó ghi

Artificial Analysis chấm điểm cả hai trên Intelligence Index v4.3.2, gồm mười bài đánh giá. Đây là nơi duy nhất hai bên này được đo bởi cùng một đơn vị thực hiện, và kết quả cho thấy khoảng cách lớn hơn mức mà tài liệu của nhà cung cấp ở mỗi phía gợi ý.

• Chỉ số Trí tuệ — Step 5 Preview 44 so với Gemini 3.1 Pro Preview 30

• Xếp hạng — Step 5 Preview thứ 24 trong 200 mô hình so với Gemini 3.1 Pro Preview thứ 69 trong 200

• Giá mỗi 1 triệu token — Step 5 Preview 1,00 USD đầu vào / 2,70 USD đầu ra so với Gemini 3.1 Pro 2,00 USD đầu vào / 12,00 USD đầu ra

• Chiết khấu cache — Step 5 Preview 95% so với Gemini 3.1 Pro 90%

• Tốc độ đầu ra — Step 5 Preview 99.8 token/giây so với Gemini 3.1 Pro 118.9 token/giây

• Thời gian đến token đầu tiên — Step 5 Preview 2,96 giây so với Gemini 3.1 Pro 35,72 giây

• Ngữ cảnh — cả hai đều 1M token; danh mục của chúng tôi liệt kê Gemini 3.1 Pro với giới hạn đầu ra 65K, còn StepFun thì chưa công bố

• Các phương thức đầu vào — Step 5 Preview: văn bản và hình ảnh. Gemini 3.1 Pro: văn bản, hình ảnh, âm thanh, video và tệp. Cả hai chỉ xuất ra văn bản

• Trọng số — Step 5 Preview đóng hôm nay, checkpoint BF16 dự kiến vào ngày 15 tháng 10; Gemini 3.1 Pro độc quyền xuyên suốt

Khoảng cách 14 điểm trên một thang điểm mà đỉnh của bảng nằm ở 53 là một khoảng cách lớn, và nó cần được báo cáo bên cạnh điều khiến nó trở nên kỳ lạ: các con số đánh giá do chính Google công bố cho mô hình này là rất xuất sắc. Nhà cung cấp báo cáo 77,1% trên ARC-AGI-2, 82,8% trên bộ đa phương thức của mình, 94,1 trên GPQA Diamond và 47,0 trên Humanity's Last Exam. Đó không phải là những con số yếu. Chúng cũng là của chính Google, được chạy trên các bộ khung đánh giá của Google, và chúng đo lường những năng lực cụ thể thay vì chỉ số tổng hợp mà chỉ số này chấm điểm. Cả hai bộ số đều có thể chính xác cùng một lúc. Khi đánh giá nổi bật của một nhà cung cấp và một chỉ số tổng hợp độc lập bất đồng gay gắt đến vậy, chỉ số tổng hợp mới là thứ nên dùng làm căn cứ để lập kế hoạch cho khối lượng công việc sản xuất, bởi vì nó là thứ phạt mô hình vì những điều mà nhà cung cấp đã không chọn đo lường.

Hai dòng về tốc độ đáng để đọc cùng nhau thay vì đọc riêng rẽ. Gemini 3.1 Pro tạo token nhanh hơn 19% sau khi khởi động — 118,9 so với 99,8 — và mất 35,72 giây để khởi động, so với 2,96 của Step 5 Preview. Đó là đặc điểm của một mô hình cân nhắc trước khi phát ra. Với một tác vụ theo lô mà con người không phải chờ đợi, bộ sinh nhanh hơn thắng về thông lượng. Với một vòng lặp agent thực hiện hàng chục lệnh gọi phụ thuộc nhau, khác biệt gấp mười hai lần về thời gian đến token đầu tiên chính là khác biệt giữa một công cụ tương tác và một hàng đợi.

Trục duy nhất mà Gemini thắng áp đảo

Tính đa phương thức không phải là một chú thích nhỏ trong so sánh này. Gemini 3.1 Pro chấp nhận văn bản, hình ảnh, âm thanh, video và các tệp tùy ý, còn Step 5 Preview chấp nhận văn bản và hình ảnh. Nếu pipeline của bạn liên quan đến bản ghi màn hình, bản ghi cuộc gọi, một gói PDF hay một luồng video, thì chỉ một trong hai mô hình này có thể nhận đầu vào, và chênh lệch chỉ số 14 điểm là không liên quan vì mô hình còn lại không thể trả lời câu hỏi.

Sự bất đối xứng đó quyết định nhiều khối lượng công việc thực tế hơn là các bảng benchmark. Đánh giá video, phân tích cuộc họp, phiên âm âm thanh kèm suy luận, và các quy trình tài liệu dựa trên tệp quét đều là những trường hợp mà độ bao phủ của Gemini 3.1 Pro khiến nó trở thành ứng viên duy nhất trên trang này. Đó cũng là lý do mô hình này đã trụ vững trong môi trường production suốt bảy tháng dưới nhãn preview: những khối lượng công việc mà nó đảm nhiệm là những trường hợp mà một mô hình văn bản và hình ảnh mới hơn không thể thay thế nó.

Đối với công việc văn bản và hình ảnh, phép tính đảo ngược. Step 5 Preview dẫn trước 14 điểm trên tổng hợp, nhanh hơn khoảng gấp đôi về giá đầu vào và rẻ hơn 4,4 lần về đầu ra, đồng thời trả lời trong một phần mười hai thời gian. Với tác vụ trích xuất tài liệu hoặc trò chuyện qua ảnh chụp màn hình, không có lý do gì để trả mức phí cao hơn và chờ thêm mười một giây suy nghĩ.

Nơi mà giá cả trở nên ít đồng nhất hơn vẻ ngoài của nó

Giá niêm yết khiến sự khác biệt trông nhỏ hơn thực tế, và lý do nằm ở ranh giới bậc chứ không phải ở mức giá.

Mức $2.00 và $12.00 của Gemini 3.1 Pro áp dụng cho tối đa 200.000 token đầu vào. Trên mức đó, cả hai mức giá đều tăng lên $4.00 và $18.00 — mức tăng 50% đối với đầu ra áp dụng cho toàn bộ yêu cầu, chứ không chỉ phần vượt ngưỡng. Mức $1.00 và $2.70 của Step 5 Preview không có bậc giá công bố; giá vẫn là giá đó ở bất kỳ độ dài nào mà cửa sổ ngữ cảnh cho phép.

Cả hai mô hình đều quảng cáo ngữ cảnh 1 triệu token, vì vậy cả hai đều mời gọi bạn xây dựng các pipeline ngữ cảnh dài. Trên một trong số chúng, một yêu cầu 300.000 token tốn gấp đôi so với những gì bảng giá đề xuất; còn trên cái kia thì không. Đó là một lợi thế cấu trúc cho Step 5 Preview trong chính danh mục mà StepFun đã xây dựng nó — công việc agentic tầm xa với ngữ cảnh lớn, được tham chiếu lặp đi lặp lại — và nó còn được củng cố bởi chiết khấu cache, trong đó mức 95% của Step 5 Preview so với 90% của Gemini 3.1 Pro mở rộng khoảng cách hơn nữa đối với mẫu tiền tố lặp lại mà một vòng lặp agent tạo ra.

Tính toán thô, và được đánh dấu là số học chứ không phải một con số được trích dẫn: một vòng lặp agent gửi ngữ cảnh 250.000 token trong mỗi một trong bốn mươi lượt là mười triệu token đầu vào. Ở mức giá trên 200K của Gemini 3.1 Pro, với bộ đệm hấp thụ tiền tố lặp lại, đó là mức tăng đáng kể so với hàm ý của mức giá niêm yết $2.00. Với mức $1.00 đồng nhất của Step 5 Preview cùng chiết khấu bộ đệm sâu hơn, cùng vòng lặp đó tốn ít hơn và, quan trọng hơn, tốn một khoản bạn có thể dự đoán từ bảng giá mà không cần đọc bảng bậc trước.

Tính sẵn sàng là sự khác biệt thầm lặng.

Gemini 3.1 Pro đã có thể gọi được trong bảy tháng qua API của Google và, hữu ích hơn cho việc lập kế hoạch, qua nhiều nhà cung cấp độc lập — đó là điều khiến một con số độ trễ p50 trở nên có ý nghĩa thay vì chỉ mang tính giai thoại. Step 5 Preview đã mở API của mình vào ngày 20 tháng 9 và chỉ có đúng một nguồn. Một endpoint chỉ có một nguồn mới chỉ vài ngày tuổi là thành phần khó dự đoán nhất mà bạn có thể đặt trên đường dẫn production, không phải vì mô hình tệ mà vì chưa ai biết đường cong năng lực của nó.

Đó là lập luận cho việc định tuyến thay vì chọn lựa. Gemini 3.1 Pro Preview có trong danh mục của chúng tôi với mức giá $2.00 và $12.00 với bậc phân hạng được giữ nguyên không đổi, và những mô hình mà nó được đem ra so sánh nằm ngay bên cạnh nó, sau một khóa duy nhất cho hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển nguyên ở mức chênh lệch 0%. Step 5 Preview không có trong danh sách đó — nó chạy trên API riêng của StepFun, và cho đến khi trọng số được phát hành thì đó là nơi duy nhất nó chạy. Tự động chuyển đổi dự phòng chính là điều khiến một bản xem trước mới ra vài ngày trở nên an toàn để thử nghiệm thay vì một canh bạc: giữ đường dẫn sản xuất trên một mô hình đã có thành tích, gửi khối lượng văn bản và hình ảnh sang Step 5 Preview trong khi bạn đánh giá nó trên lưu lượng của chính mình, và để cơ chế dự phòng giữ vững khi điểm cuối xem trước bị suy giảm. Không có hợp đồng thứ hai và cũng không có SDK riêng cho những mô hình mà chúng tôi định tuyến, nên việc Google thay đổi giá sẽ hiện lên trên hóa đơn của bạn dưới dạng con số hiện tại chứ không phải vào lúc gia hạn.

Bạn thực sự đang mua cái nào

Nếu công việc của bạn đến dưới dạng video, âm thanh hoặc tệp, Gemini 3.1 Pro là mô hình duy nhất trên trang này có thể chấp nhận chúng, và khoảng cách chỉ số không tham gia vào quyết định. Bảy tháng hoạt động trong môi trường sản xuất với nhãn xem trước vẫn được gắn là một tín hiệu ổn định, không phải là một cảnh báo: quy ước đặt tên vẫn tồn tại vì Google chưa bao giờ cần thay đổi nó, và mô hình hoạt động đúng như một cỗ máy chủ lực trong sản xuất mà nó vốn là.

Nếu công việc của bạn là văn bản và hình ảnh với khối lượng lớn cùng một ngữ cảnh lặp lại dài, thì Step 5 Preview đang dẫn đầu ở mọi chỉ số quan trọng — hơn 14 điểm chỉ số, giá đầu vào bằng một nửa, mức giá đầu ra rẻ hơn 4,4 lần, không có vực bậc, chiết khấu bộ nhớ đệm sâu hơn, và thời gian đến token đầu tiên được đo bằng giây thay vì nửa phút. Thứ bạn đang mua ở đó là một endpoint một nguồn mới chỉ vài ngày tuổi, không có giấy phép được công bố và không có giới hạn đầu ra được công bố, đó là một rủi ro thực sự và là một rủi ro có giới hạn.

Điều cần để mắt tới không phải là chỉ số. Mà là liệu StepFun có công bố mức trần đầu ra song song với cửa sổ ngữ cảnh 1M token hay không, bởi thông báo của nhà cung cấp không đề cập đến điều đó, và một cấu hình bên thứ ba riêng biệt được lan truyền trong vụ rò rỉ đã liệt kê ngữ cảnh 350.000 với giới hạn đầu ra 64.000 — một sản phẩm khác biệt đáng kể so với sản phẩm trên bảng giá. Mức trần 65K của Gemini 3.1 Pro, như danh mục của chúng tôi liệt kê, cũng không hào phóng, nhưng nó được nêu rõ, và một giới hạn được nêu rõ là giới hạn mà bạn có thể thiết kế để thích ứng.