Step 5 Preview 对比 A.X-K2：600B 的 API 模型对决 690B 的可下载模型

Step 5 Preview 和 A.X-K2是今秋一再出现的一个抉择的两面：从 API 租用一个前沿级模型，还是把开放权重的旗舰模型带回家自己运行。StepFun 的 Step 5 Preview 是租用方案——于 2026 年 9 月 20 日发布，当天即可调用，每百万输入 token 1.00 美元、每百万输出 token 2.70 美元，总参数约 6000 亿，活跃参数 270 亿，上下文 1M token，独立 Artificial Analysis Intelligence Index 得分为 44。SK Telecom 的 A.X-K2 是下载方案——于 2026 年 8 月 12 日在 Apache 2.0 下发布，总参数约 6880 亿至 6920 亿，活跃参数 330 亿，上下文 262K token，指数得分为 21。一个更大，一个要收费，而要收费的那个得分高得多。这种倒挂就是整个对比，在你凭原则选边站之前，它值得理解。

这两者通常被放在国家叙事框架下：一个是主权 AI 旗舰，对阵中国最激进的模型之一。这种框架对部署决策没有用。有用的是：A.X-K2 是二者中唯一你能自己持有的，而 Step 5 Preview 是二者中唯一能按 token 购买的。其余一切都由这一区分决定。

数字，紧系其来源

唯一真正可作同类比较的指标是 Intelligence Index，而且它对双方都是独立的：Step 5 Preview 为 44，在同类模型中的中位数是 26；A.X-K2 为 21，在其开放权重对比类别中的中位数是 18；二者都由同一第三方在同一量表上测得。按撰写本文时读取到的数据，这些就是当下的数字——当评估方重新校准时，该指数上的分数会发生变化，而早前对同一 A.X-K2 页面的读取显示数字更高。这场对比中的其他所有内容，都附带着一条你必须随它一起带着的出处说明。

• 独立智能 — Step 5 Preview：在 Artificial Analysis Intelligence Index 上得 44 分，而 A.X-K2 在同一指数上得 21 分，均为独立测量。

• 总参数 / 激活参数 — Step 5 Preview：根据 StepFun，约 600B 总参数，27B 激活参数；对比 A.X-K2：根据 SK Telecom 材料和索引卡，约 688–692B 总参数，33B 激活参数。

• 上下文窗口 — Step 5 Preview：StepFun 为 100 万 tokens，对比 A.X-K2 的 26.2 万 tokens。

• 模态 — Step 5 Preview 支持文本和图像；A.X-K2 仅支持文本。

• 价格 — Step 5 Preview：厂商公布的价格为每百万输入 $1.00、每百万输出 $2.70，而 A.X-K2：完全未公布任何商用 API 价格。

• 运行于何处——Step 5 Preview：StepFun 自有的 API 和 Studio，以及推广窗口期内的合作伙伴平台，对比 A.X-K2：你的硬件，通过下载获得。

• 发布 — Step 5 Preview 于 2026 年 9 月 20 日公布，而 A.X-K2 于 2026 年 8 月 12 日发布。

• 许可证 — Step 5 Preview：闭源预览，承诺于 2026 年 10 月 15 日提供 BF16 权重；对比 A.X-K2：Apache 2.0。

A.X-K2：更重的仪器，证据却更单薄

SK Telecom 构建了 A.X-K2，作为 A.X K1 的继任者，其架构明确瞄准长上下文成本：采用拥有 256 个专家、每个 token 激活 8 个专家的混合专家布局，原生以 FP8 训练，并采用了一种该公司称为 Sparse Gated Attention 的机制。这是一项相当扎实的工程成果，也正因如此，一个总参数量接近 7000 亿的模型，才可能由一家并非超大规模云服务商的组织来提供服务。

它缺少的是独立验证。SK Telecom 报告称，在十四项基准测试中，相较于 A.X K1 平均提升 32.2 分，在长上下文和智能体评估上跃升约 83.9 分，在 AIME 2026 上达到 97.1，在韩语知识基准 KMMLU-Pro 上达到 80.5，在 CLIcK 上达到 91.6，并表示其在数学和韩语任务上匹配或超越近期发布的 Qwen 和 DeepSeek 模型。这些全都是厂商自己的数据。独立评分——Intelligence Index 上的 21 分——超过了其开放权重对比类别 18 分的中位数，但比 Step 5 Preview 低了二十三点，而 A.X-K2 的强项恰恰是该指数权重不高的地方：它的九项评估主要是英语、以推理和智能体为中心，其中没有一项是韩语基准。

这一切都不意味着 A.X-K2 是一个比其得分更差的模型。它只是让其得分成为在韩语或数学密集型工作负载上表现的下限——依据厂商的说法，直到独立实验室发布这些评测为止。成本方面则更为具体：这一权重级别的参考部署需要四块 B300 级 GPU，以及在 FP8 精度下大约 656 GiB 的显存。这就是下载的代价，而且与 token 账单不同，当实验结束时，它并不会随之缩减。

第 5 步预览：今天就能通过 HTTP 试用的那一个

Step 5 Preview 的优势并不在于它更大或更开放——这两者它都不是——而在于它有明确标价、可调用、且有独立评分，并且在十月期间可以在三个合作方平台上免费试用。对于一个选择评估而非自行部署的团队来说，这一组合比 Apache 2.0 许可证更有价值，因为它把一项硬件决策转变成了一个 API 调用。不过，StepFun 关于该模型的技术记录在一些惯常之处颇为单薄：600B/27B 的参数组合和 1M token 的上下文都是厂商自己的数字，其承诺的权重尚未发布，而独立评测榜单关于它最有用的数字或许不是 44 分，而是冗长度——在该索引的任务套件中生成约 1.6 亿输出 token，而中位数接近 8200 万；A.X-K2 则更为离谱，约为 2.3 亿，而中位数为 1.4 亿。对于一个每百万输出 token 收费 2.70 美元的模型来说，这一差距就是廉价评估与昂贵生产习惯之间的区别。

为什么更大的模型得分更低

参数量并不等同于分数，而这一组合清楚地证明了这一点。A.X-K2 额外约 3000 亿的总参数量换来的密度，体现在其自身评测套件所看重的地方——韩语深度、数学、广泛知识——而两个模型共同上榜的榜单主要是英语、偏重推理且以智能体为中心，Step 5 Preview 的构建者似乎正是有意针对其进行了调优。27B 激活设计还使 StepFun 模型在任何给定吞吐量下都显著更便宜地提供服务，这正是它会有托管定价的原因。

还有第二种没那么好听、却指向相反的解读。A.X-K2 自 8 月 12 日发布，Step 5 Preview 自 9 月 20 日发布；较新的模型接受独立审视的周数更少，而随着更多评测出炉，它的 44 可能还会变化。这两个数字都是暂定的，就像任何模型第一季度的分数都是暂定的一样。区别在于，A.X-K2 的暂定分数是 SK Telecom 之外任何人所拥有的最佳证据，而 Step 5 Preview 的暂定分数则建立在一份厂商规格表之上，而这份规格表至少已被第三方部分复现。

服务经济学，实际决策就取决于此。

如果你能调用它，每百万 token 输入付 1.00 美元、输出付 2.70 美元，然后就完事了——无需采购、无需 GPU、无需运维。如果你下载它，你就要为硬件、电力、量化工作和评估测试框架付费，但你可以把提示词和数据保留在你自己的边界内。激活参数为 33B 的 A.X-K2 不是笔记本级模型；参考配置是一个小型集群。Step 5 Preview 的封闭预览在 10 月 15 日之前完全不提供任何边界，而 BF16 权重承诺会在那时发布——在这些文件出现在仓库中之前，那个日期只是一个承诺，而不是一个可选项。

这正是路由层真正赢得一席之地、而不只是自我宣传的时刻。大多数团队并不想一次性、永久地回答"租用还是自有"这个问题；他们想先看看某个模型在自己的流量上表现如何，然后再为其采购硬件，并保留在答案改变时随时迁移的能力。OrcaRouter 不路由 Step 5 Preview，也不路由 A.X-K2——这两者目前都不在我们的目录中。它所做的，是把 200 多个模型置于同一个 API 密钥和一张账单之后，0% 加价，按供应商标价透传，因此你用来对比任意一款新旗舰模型的候选集合，就是你今天下午就能调用的集合，而在你还在做决定的时候，自动故障转移能让生产路径保持存活。

该选哪一个

如果你的工作负载是通用推理、智能体编程或任何涉及长上下文的任务，如果你希望按 token 付费而不是购买芯片，并且如果图像输入对你很重要，那就选择 Step 5 Preview —— 它在独立评分、上下文长度、首次给出答案的延迟以及模态多样性上都胜出，而且它是这两者中唯一一个你能在本月就投入无需采购流程的试点的。

如果您的语言是韩语、您的工作负载是数学密集型的，或者数据根本无法离开您的基础设施，就选择 A.X-K2——但在做这个决定时要清楚：您是在凭信任接受 SK Telecom 的基准测试表，硬件账单是实打实的，而您能指出的独立得分要低 23 分。如果这笔取舍看起来不划算，诚实的答案并不是改选另一款旗舰产品，而是用您自己的真实流量对两者进行基准测试——这是任何一家厂商的数字都无法替代的唯一比较。

这两个模型都不是安全的默认选择。Step 5 Preview 是便宜、克制、可调用的选项，其权重仍在路上；A.X-K2 是更重、自主可控、可下载的选项，其证据仍待补齐。选择真正约束你团队的那个限制——是边界还是账单——然后放下另一个。