Step 5 預覽：StepFun 尚未發表的 600B 旗艦模型已登上排行榜

Step 5 Preview擁有排行榜名次、已公布的價格、實測輸出速度，以及 44 分的 Intelligence Index 分數——與Kimi K3相同，而後者規模大約是它的五倍。它沒有的，是正式發布。StepFun 尚未宣布它，StepFun 自家的平台文件也未列出它，而且沒有權重可下載。以下每一項數字都來自第三方，該第三方在廠商公開發表任何說法之前就取得了存取權，這使得本文是一篇「目前已知」的整理報導，而非評測。請把這些數字視為即將到來之事的證據，而不是規格表。

洩密本身就是新聞

Step 5 Preview 的第一個公開蹤跡是一次評測執行。Artificial Analysis 為它開設了即時模型頁面，透過 StepFun 自家的 API 以測試標籤 step-5-preview-b 進行評分，該平台並將此模型的日期標定為 2026 年 9 月 18 日。本文中的 44、定價、速度測量值以及各項基準測試列，皆出自該頁面。

相對之下，供應商這一邊卻是一片空白。StepFun 的開發者文件列出模型只到 Step 3.7 Flash 與 Step 3.5 Flash 就停了——沒有step-5，也沒有預覽項目。stepfun-ai 的 Hugging Face 組織沒有 Step 5 的儲存庫，這與其說是疏忽，不如說符合封閉權重旗艦模型的情況。中國開發者論壇上的社群回報指出，9 月 19 日在上海舉行的 AGI Frontier 活動上可能會有發表，而那大約是在這些評估出現後一天。截至撰稿時，StepFun 之外的任何人都還沒有正式規格、正式價格，或出貨版本的正式名稱。

命名本身就是第一個線索，顯示這是預覽版而非正式發表。StepFun 完全跳過了 Step 4.x 系列，直接跳到 Step 5。一款以 Preview 後綴發布、在還沒有產品頁面之前就先行基準測試的模型，代表廠商仍在校準中——定價、路由與使用限制在正式上市前都可能有所變動。

就任何人所能判斷，這份規格看起來是什麼樣子

這些數字正在流傳，而它們是這起洩密事件中被重複最多次的說法——但這並不等同於其中最經證實的說法：

• 總參數量——約 600B，相較於 Kimi K3 的約 2.8T

• 每次推論啟動 — 約 27B，約占總量的 4.5%，是異常稀疏的專家混合比例

• 輸入模態 — 文字與圖像；輸出僅限文字

• 推理 — 是，使用擴展思考

• 上下文視窗 — 在 Artificial Analysis 上為 1M 個 token；一份在開發者工具中流通的獨立第三方組態列出 350,000，最大輸出為 64,000

• 權重可用性 — 已關閉，無儲存庫

那個上下文視窗的矛盾值得直接點明，因為至今沒有任何一方解決它。100 萬 token 的視窗和 35 萬 token 的視窗是不同的產品，記憶體成本也不同，而第二個數字還附帶 64k 的輸出上限，第一個則對此隻字未提。如果你正打算憑著 100 萬這個數字來規劃長文件處理流程，那麼 350k 這個配置正是你該等待官方頁面說明的原因。參數量的情況也有類似的模糊性：DataLearner 的追蹤頁仍將 Step 5 Preview 的 MoE 架構與參數量列為無法取得，這意味著 600B/27B 這組數字——關於這個模型最常被引用的單一事實——同時也是官方確認程度最低的資訊之一。

有趣的數字是 27B，而不是 600B

稀疏混合專家模型只會把運算花在詞元實際路由到的專家上，因此真正決定模型在正式環境中行為的是啟用參數數量。Step 5 Preview 以約 27B 的啟用參數，每個詞元的運算量與規模僅為其幾之一的模型落在同一級距，而 600B 的總參數則主要是記憶體佔用問題。

隨之而來有兩項後果，而兩者都體現在第三方測量中。服務成本與啟用參數數量相關，這也是價格落在目前水準的部分原因。而每詞元速度也同樣受益：Artificial Analysis 測得每秒 99.8 個輸出詞元，在 200 個模型中排名第 42，而中位數為 64.6。首詞元時間為 2.96 秒，中位數約為 3.57 秒。如果 600B/27B 的拆分準確，這是一個為了服務成本低廉、而非託管成本低廉而設計的模型——如果你付費的是 GPU 而不是詞元，這是一項重要區別。

它在智慧指數上的落點

Artificial Analysis 在 Intelligence Index v4.3 上給予 Step 5 Preview 44 分，該指數納入了十項評估。這在榜上 200 個模型中排名第 25，且遠高於該指數所評分模型的中位數，後者落在 25。

• 智慧指數 — Step 5 Preview 44 對比 Kimi K3 44

• 正上方 — GLM-5.3 與 Claude Opus 5，兩者皆為 45

• 緊接在下方——DeepSeek V4.1 Flash 為 40，DeepSeek V4 Pro 為 36

• Terminal-Bench 4.0 — Step 5 Preview 33.3%，對比 Kimi K3 約 12.6%，以及對比 DeepSeek V4.1 Flash 的 26.8%

• SciCode — Step 5 Preview 為 59%，與 Kimi K3 持平

• 輸出速度 — 每秒 99.8 個 token，同領域中位數為 64.6

頭條是與 Kimi K3 打成平手，但誠實的解讀比頭條所暗示的更狹隘。以總計 600B 的規模，在彙總指數上與 2.8T 參數模型匹敵，確實是一項真實的效率成果，但彙總數據掩蓋了它的樣貌：Terminal-Bench 4.0 中有利於 Step 5 Preview 的差距極為懸殊，而 SciCode 的結果則是難分軒輊。指數上的總體持平不等於處處持平，而預覽版建置正是最不適合假設這些差距會維持下去的時候。

還有一個值得點出的出入：Artificial Analysis 報告 44，而 DataLearner 的獨立追蹤器則把同一輪測試記錄為 43.6。這是四捨五入的差異，而不是對能力有不同看法，但這種情況正好說明了這個模型數字整體上的問題——它們是對一個尚未公布的模型所做的第三方讀數，取得時間略有不同，而且沒有任何一項獲得 StepFun 確認。這些基準測試全都不是廠商自行回報的，而這有一體兩面：StepFun 沒有人在此宣稱過任何數字，也沒有人為任何一個數字背書。

價格，以及蠶食它的冗言贅語。

定價是這次外洩中最快影響預算的部分。透過 StepFun 的 API，Artificial Analysis 記錄了以下內容：

輸入 — 每百萬個 token 1.00 美元，相較之下，同類模型的中位數為 1.88 美元

• 輸出 — 每百萬個字符 2.70 美元，而中位數為 10.00 美元

• 快取 — 95% 快取折扣，使快取命中約為每百萬個 token $0.05

• 混合計價——在快取命中：輸入：輸出為 7:2:1 的比例下，每百萬個 token 約 $0.51

• Intelligence Index 每項任務成本 — $0.71

• 完整索引執行的成本 — 總計 $918.34

輸出價格為 $2.70 是最重要的一項，因為它不到 Kimi K3 對同樣一百萬個詞元所收取 $15.00 的五分之一。但有一個逐詞元比較所掩蓋的陷阱，而 Artificial Analysis 直接衡量它：冗長度。Step 5 Preview 產生了 1.6 億個輸出詞元來完成 Intelligence Index，相較之下，該領域的中位數為 9,000 萬，且在該指標上排名為 200 之中的第 65 名。

把這個算清楚。以每百萬 $2.70 計算，160M 輸出 token 大約是 $432——大約是整個索引執行總成本 $918.34 的一半，花在模型自身的冗長輸出上，而不是在任務上。把同樣的 160M token 透過 Kimi K3 的 $15.00 輸出費率來計算，你就會得到 $2,400，這就是價格優勢的來源。但實際的警告是給那些透過從不同模型取得 token 數量來估算成本的人：Step 5 Preview 的輸出量大約是中位數的 1.8 倍，所以輸出密集的工作負載同時買到了更便宜的費率和更多的 token。折扣仍然存在，但它比 $1.00/$2.70 對比 $3.00/$15.00 看起來的要小，而且折扣的大小完全取決於你的提示讓模型變得多麼健談。

95% 的快取折扣是另一項手段，而且它積極得異乎尋常。對於提示重複使用率很高的工作負載——例如冗長的系統提示、固定的文件、共用的程式碼庫——其成本會遠更接近混合後的 $0.51，而非 $1.00 的輸入費率。那個混合數字假設了 7:2:1 的比例，這是一項建模假設而非保證，但用它來套算你自己的流量，在算術形式上仍是正確的做法。

早期測試者正面臨什麼問題

這些是外洩事件前後幾天來自開發者論壇和社群貼文的個別回報，並非測量數據，因此應據此調整其權重：

• 工具呼叫是最常被抱怨的問題——選錯工具名稱，以及在尚未讀取目標檔案前就嘗試編輯

• 據報在上下文超過約 340,000 個詞元後會出現錯誤；若 1M 視窗才是真正的數字，這就是值得留意的失效模式

• 內容篩選會在某些提示上截斷輸出

• 能力評價分歧：部分測試人員認為它優於 GLM-5.3 Flash，其他人則把它排在 DeepSeek V4.1 Flash 之下

一個尚未發布的預覽版建置在工具使用上失敗並不是醜聞——這正是預覽標籤的用途。但這確實意味著，44 不該被解讀為對代理式可靠性的承諾，因為 Intelligence Index 並沒有測試早期測試者最常抱怨的那件事。

你實際上會怎麼稱呼它——以及在那之前該用什麼

OrcaRouter 不會路由 Step 5 Preview。目前沒有公開端點，也沒有權重，因此沒有東西可供路由，而目前也沒有任何第三方平台能誠實地聲稱並非如此。今天任何告訴你該去哪裡呼叫它的人，所描述的都是一個評估端點，而不是一個產品。

用來與它比較的那些模型則是另一回事。Kimi K3、GLM-5.3 和 DeepSeek V4.1 Flash 都可透過 OrcaRouter 取得，與來自 15 家供應商的 199 個模型並列，只需一組 API 金鑰和一份帳單。定價以供應商的定價表原價轉嫁，零加成——這在像這樣的模型上比平常更為重要：如果 Step 5 Preview 的 $1.00/$2.70 在推出時維持不變、之後才變動，走轉嫁路線的價格會在同一天跟著調整，而不是跟著別人的重新定價時程走。

當它真的變成可呼叫的時候，執行一個「準未發布」模型的明智做法，就是執行任何你尚未信任的模型時會採用的做法——放在一條具備自動容錯切換的路由後面，這樣一來，工具呼叫失敗或長上下文錯誤就會落到一個能正常運作的模型上，而不是拖垮你的應用程式。這正是早期報告在此處特別主張的模式：一個據報有工具呼叫問題與長上下文錯誤的預覽版組建，正是你最希望後面有備援的模型，而不是你想讓它獨自待在正式環境路徑上的那種模型。

要怎樣才能讓這件事從外洩變成正式發布？

三件值得關注的事，依它們能釐清多少問題的順序排列。首先，StepFun 自家開發者平台上的模型頁面與定價——一旦step-5出現在模型清單中，供應商的規格表就會取代本文中所有第三方解讀，包括 600B/27B 這組數字以及 1M 上下文的說法。其次，1M 與 350k 上下文矛盾的釐清；在 1M 視窗下僅有 64k 的輸出上限，對任何打造長文件或代理式流程的人來說都是有意義的差異，而這個問題目前仍未解決。第三，這定價究竟是上市姿態還是永久定價——中國旗艦模型的預覽定價向來有在容量吃緊時變動的前例，而每百萬輸出 token 2.70 美元已經積極到足以引人提出這個問題。

至少在那些事情中第一項落地之前，誠實的總結是：Step 5 Preview 看起來像是一款真正高效的模型——總參數 600B，卻能執行 2.8T 級別的總體工作量，價格還比同業低了好幾倍——但規格未經證實，存在實實在在的冗長成本，而且工具呼叫方面的聲譽尚未建立。值得納入規劃。還不值得把正式生產路徑押在它身上。