Step 5预览版 vs GLM-5.2：四个月的实测战绩对阵上线仅两周的端点

Ask a working engineer to choose between Step 5 Preview and GLM-5.2 and most will reach for the newer one, because the newer one is cheaper per token and scores ten points higher on the independent board. Ask the same engineer to put it in front of paying users and the answer gets harder, because one of these models has been carrying production traffic since June 16, 2026 and the other one was released on September 20, 2026. Step 5 Preview is the faster, cheaper, multimodal, higher-scoring model. GLM-5.2 is the one whose failure modes are already written down somewhere by somebody else, whose weights ship under MIT rather than a custom grant with revenue thresholds in it, and whose rate card has not moved in four months. Neither of those is a tiebreaker you can put in a spreadsheet, and together they are the whole decision. What the numbers cannot tell you is whether any of it has gone wrong in the field: the documented AI incidents and agent failures around models in this class are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

规格对比确实一边倒，而且值得先把它解决掉，因为支持 GLM-5.2 的论据并不是规格论据。Z.ai 的模型仅支持文本，总参数为 7530 亿，每个 token 约 400 亿活跃参数，输出 token 上限为 128,000，输入每百万 token 定价 1.40 美元，输出每百万 token 定价 4.40 美元。StepFun 的则是 1.00 美元和 2.70 美元，除了文本和图像外还支持视频，响应上限为 64k，活跃参数为 270 亿。在买家最先看到的数字上，StepFun 在六项中赢了五项。

对比的每一行

• 输入价格 — Step 5 Preview 每百万 tokens 1.00 美元，而 GLM-5.2 为 1.40 美元，StepFun 领先 29%

• 输出价格——$2.70 对 $4.40，39% 的优势，以及主导智能体账单的计量项

• 缓存输入 — Step 5 Preview 每百万 $0.10，相较 GLM-5.2 的 $0.26 折扣 95%，折扣幅度 81%

• 每完成一项 Intelligence Index 任务的成本 —— Step 5 Preview 约为 0.71 美元，而 GLM-5.2 为 2.01 美元；这把冗长程度和缓存行为合并成一个数字，也是整篇比较中出现的对 StepFun 的模型卡最不讨好的解读

• 独立评分 — 在 Artificial Analysis Intelligence Index v4.3.2 上，Step 5 Preview 为 44，GLM-5.2 为 34，其中 GLM-5.2 的页面还带有弃用标记

• 上下文与输出——两者均支持 1M token 上下文；Step 5 Preview 的最大输出为 64k，而 GLM-5.2 为 128K。

• 模态 — 步骤 5 预览：文本、图像和视频输入，文本输出，对比 GLM-5.2 的文本输入、文本输出，完全没有图像路径

• 架构 — Step 5 Preview 稀疏专家混合，总参数 600B、激活 27B，对比 GLM-5.2 总参数 753B、激活约 40B；这一激活参数数字 Z.ai 并未在模型卡中说明，而是由第三方列表提供

• 许可证 — StepFun Model License 1.0，一项带有署名触发条件和单独的商用许可证门槛的自定义授权；而采用 MIT 的 GLM-5.2 则没有门槛、没有署名要求，也没有就模型进行协商的途径

• 权重 — 两者均可下载；Step 5 Preview 自发布之日起便提供 FP8 和 BF16，另有于 2026 年 10 月 14 日发布的 NVFP4 构建版本；相比之下，GLM-5.2 的 BF16 和 FP8 版本则出自zai-org组织

• 费率卡稳定性 — Step 5 Preview 自 9 月 20 日以来保持不变，而 GLM-5.2 自 6 月 16 日以来保持不变

在这些行被过度解读之前，先说两点。44 对 34 的差距，并不是它表面上看起来的那种对比。GLM-5.2 于六月发布，其头条指数数值为 51，而该数值是在同一指数的早前修订版本下得出的；此后 Artificial Analysis 重新公布了该量表，上面的 34 是当前修订版本下对一款评测方现已标记为弃用的模型的读数。拿 51 与 44 相比，等于在用两把不同的尺子衡量，而这是关于这组对比的报道中最常见的一个错误。其次，StepFun 的模型只有一个计分配置——在某一强度档位下的单个 44——而 GLM-5.2 是在更长的时间窗口内测量的，所以较新模型的数字只是一个点，而较旧的那个模型所拥有的更接近一条完整曲线。

许可上的差异才是能经受住法律审查的那一项。

这两个模型都被描述为开放权重，而这两份文件并不等同。GLM-5.2 采用 MIT 许可。这是一份律师只需读一次便会永久批准的许可证：使用、修改、分发、再许可、销售，无署名义务，无用户数量门槛，对于任何尚未荒谬到离谱的商业模式都无需另行签署协议。权重通过 Z.ai 自有的 Hugging Face 组织以 BF16 和 FP8 格式发布，模型卡声明没有地域限制，其中也没有任何条款要求初创公司必须先进行建模，才能规划产品。

Step 5 Preview 的条款比"不公开权重"更宽松，比 MIT 更严格，而这一差距并非只是修辞。StepFun 模型许可证 1.0 授予永久、全球范围、免版税、非独占的使用、复制、分发、再许可、修改和创建衍生作品的权利，并附带相应的专利授权。其中附带两项条件。任何集成了该模型的商业产品或服务，若在任一自然月内月活跃用户数超过 1 亿，或营收达到 2000 万美元，就必须在产品界面和用户协议中显著展示"Powered by StepFun AI"。硬件制造商或品牌所有者若在设备中搭载该模型的能力，或者模型即服务（model-as-a-service）业务在任何十二个月内合计营收超过 2000 万美元，则需要单独的商业许可。不向第三方暴露该模型或其能力的内部使用，则属于该授权范围之内，无需满足上述任何要求。

For a team building an internal tool, this difference costs nothing and the argument for GLM-5.2 on licence grounds is weak. For a team building a hosted product with a revenue curve they expect to cross $20 million, it is the difference between a legal checkbox and a line item with a counterparty attached, and it is the kind of thing that gets discovered after the architecture is committed. The honest framing is that StepFun's licence is a standard shape — Llama and other open-weight licences use similar thresholds — and that MIT is simply a shorter conversation.

过往业绩究竟价值几何

GLM-5.2 自六月中旬问世以来，已在智能体运行框架中运行，被第三方托管方和评测者复现，积累了公开报告的失效模式，并在此基础上推出了两个后继版本——GLM-5.3 于 2026 年 8 月 18 日发布，基于相同的基础权重，之后是 GLM-5.5。Z.ai 从未取消定价，也从未撤回权重。最后这一点比听起来更重要：采用较旧模型的实际风险不在于它更差，而在于你仍在使用它时它变得不受支持，而 GLM-5.2 如今已在费率保持不变的情况下经历了两次代际刷新。

Step 5 Preview 的运行记录是以周为单位来衡量的，而它具体缺少的恰恰是那个不光鲜的东西：一批报告，说明它在持续负载下、高并发时、面对病态提示词时，以及在足够长的窗口内——长到足以让厂商侧的回归发生并被注意到——表现如何。StepFun 的模型卡和文档都无法替代这一点，而厂商自己的基准测试表——以图片而非可引用的文本形式呈现——也不是对任何东西的独立测量。这两个测试框架确实附有数字：StepFun 列出了其评估所用的设置，包括 temperature 1.0、top-p 0.95、top-k 0，以及用于 DeepSWE v1.1 的 SWE-agent 测试框架。这比许多发布卡披露得更多。但这仍然是厂商在给自己的成果打分。

有一个狭义的例外，即较新模型的数字真正独立且值得信赖：Intelligence Index 上的 44，这是 Step 5 Preview 唯一拥有的中性分数，以及每个完成的索引任务大约 0.71 美元，还有评估者在其 1.6 亿 token 套件运行上给出的“非常冗长”标签。把 44 当作一个单一且来源可靠的数字，而不是一份概况。把冗长标签视为更可能让你吃亏的东西，因为它是一个关于成本而非质量的陈述，并且它会出现在每一张账单上。

选择真正落脚的地方

如果以下任一情况成立，就选 GLM-5.2。你需要一份没有门槛的 MIT 许可证，否则你的法务团队会为此耗上一个季度。你需要一次 128,000 token 的单次响应，这是 Z.ai 的模型能提供的，而 StepFun 的模型无论出什么价都做不到。你正在运行文本加代码的工作负载，在这种情况下，一个已有四个月公开生产使用历史的模型，其价值超过十个指数点，因为你宁愿继承别人的 bug 清单，也不愿自己生成一份。或者你需要最便宜的自托管方案，以及一个 753B 的混合专家模型，它采用已公开发表的 IndexShare 稀疏注意力设计，Z.ai 称该设计能在完整上下文下将每 token FLOPs 削减约 2.9 倍，而且你打算真正部署它，而不只是调用它。

如果工作负载需要视频，或者十点指数差距正是一个能跑通的演示与一个跑不通的演示之间的差别，又或者你只是想要页面上最便宜的 token，并且愿意做早期采用者，那就选择 Step 5 Preview。视频能力是真实存在的，但未被评分——StepFun 记录了通过 URL、Base64 或 Files API 引用输入 MP4、QuickTime 和 Matroska，基于 URL 的文件需低于 128MB，推荐时长低于五分钟，并且不存在针对它的独立评估。这使它成为运行一次测试的理由，而不是投入使用的理由，整个模型也是如此：它最强的几行数据，其唯一来源就是它自己的厂商；而它最可信的一行——指数——则是它不输给任何东西、并以十点优势胜出的那一项。

这两种方案在另一个方向上的风险也并不对等。选择较旧的模型，代价是你能衡量的能力损失。选择较新的模型，代价是你无法衡量的未知，而约束未知的办法，就是不要把生产路径押在它上面。这正是让 Step 5 Preview 跑在某个回退方案之后、而不是取代某个方案的理由：把一部分流量导向它，把 GLM-5.2 或你信任的其他任何模型留作回退，然后让每个已完成任务的成本来做决定，而不是看价签。在 OrcaRouter 上，GLM-5.2 位于 z-ai/glm-5.2，按 Z.ai 的标价，加价 0%——$1.40 和 $4.40，其中 $0.26 的缓存读取按原价透传——而且由于透传的就是提供商自己的价格，Z.ai 一旦调价，当天就会反映到你的账单上，而不用等到下一个计费周期。自动故障转移正是让陌生端点的两周试运行变得安全的关键：试运行的模型出问题了，请求不会出问题。

Step 5 Preview 不在 OrcaRouter 的实时目录中，而诚实的建议是：通过 StepFun 自家平台调用它，或从已发布的 FP8、BF16 或 NVFP4 检查点自行托管。对于这次特定比较来说，这算不上多大损失，因为选择它而非 GLM-5.2 的理由是你想抢先一步，而抢先通常意味着无论如何都只能接受单一提供商。

真正能了结这场比较的，不是基准测试，而是时间。三个月后，Step 5 Preview 将拥有 GLM-5.2 现在已有的东西：一份公开记录，记录它在别人的负载下、别人的并发条件下、别人的故障案例中表现如何。在那之前，在这两个模型之间做选择，与其说关乎哪个更好，不如说关乎你愿意依据哪一类证据行事——是你继承来的证据，还是你自己生成的证据。