Step 5 Preview 對比 Claude Opus 5：七個指數點，換來七倍帳單

StepFun 為Step 5 Preview發布的資料，開頭就提出一項比較性主張：在其上執行單一任務的成本，是同一任務在Claude Opus 5上執行成本的八分之一。如今兩個模型都位於同一個獨立評測榜上，因此這項主張可以被查證，而不是只能爭論。Artificial Analysis 讓兩者各自跑過 Intelligence Index v4.3.2——十項評估——並公布了每次執行的成本，其中 Claude Opus 5 是在其自身最高推理努力設定下計分。Step 5 Preview：指數得分 44，完成該次執行耗費 $922.84。Claude Opus 5：指數得分 51，耗費 $7,274.74。這是以 7.9 倍的費用換取 7 分的分數，而 StepFun 所引用的倍率結果證明是準確的。這個倍率所隱藏的東西才是有趣之處，因為差距主要不是價格差距。它是披著價格差距外衣的冗長度差距，而將兩者分開來看，會改變你該把哪個模型放在哪種工作負載前面。

兩種執行成本、一塊板子，以及它們裡面究竟有什麼

總執行成本是這裡所能取得最純粹的單一比較，因為兩個模型都在相同的測試框架下回答了相同的問題，而且這個數字並非由任何一家廠商產出。它同時也是最可能被誤讀的數字，因此值得進一步拆解說明。

• 指標分數 — Step 5 Preview 44 對比 Claude Opus 5 51，Claude Opus 5 是在其最高推理強度設定下取得該分數

• 完成索引的總成本 — Step 5 Preview $922.84 對比 Claude Opus 5 $7,274.74

在 7:2:1 的快取命中／輸入／輸出混合比例下之混合價格 — Step 5 Preview 每 100 萬個 token 為 $0.51，相較於 Claude Opus 5 的 $3.85

• 索引執行期間產生的輸出權杖 — 步驟 5 預覽 1.6 億 vs Claude Opus 5 1.4 億

• 定價 — Step 5 Preview：輸入 $1.00 / 輸出 $2.70，對比 Claude Opus 5：輸入 $5.00 / 輸出 $25.00

把第三列和第五列放在一起看，算術就不再是單純的價格比較。Step 5 Preview 的混合費率便宜 7.5 倍，牌價費率則在輸入上便宜 5 倍、在輸出上便宜 9.3 倍——所以混合費率起了輸入價格所沒有的作用。這是因為混合費率偏重輸出，而輸出正是兩個模型差異最大的地方。Claude Opus 5 的收費是 Step 5 Preview 輸出費率的 9.3 倍，而且兩個模型都產出大量內容：Claude Opus 5 的輸出 token 為 140M，對比該指數所評分模型的中位數 92M；Step 5 Preview 則為 160M，對比同樣的 92M 中位數。

所以，誠實的解讀比「便宜模型就是撿到便宜」更狹窄。Step 5 Preview 在每個軸向上都更便宜，而且它不是一個節省的模型——相較於它所對比的樣本中位數模型，它多寫了 74% 的輸出，而這正是價格理應懲罰的行為。Claude Opus 5 比中位數多寫了 52%，並且對每一個那些 token 收取 9.3 倍的費用。限制輸出長度的呼叫方，與不限制的人相比，會得到不同的比率。

問題不在於哪個更好，而在於交叉點落在哪裡。

假設這項指標能合理代表你實際送出的工作——長時程代理型任務、程式碼、多步驟工具使用——那麼交叉點便不難說明：Claude Opus 5 每項任務的實用程度至少得高出 7.9 倍，才值得付它的帳單；而在這項指標上，它在滿分 100 分的量表上高出 7 分。這兩個事實未必指向同一方向，因為指標上 7 分的差距，並不等於在每件事上都好了 16%。它是十項評估的匯總，而組成比總分更重要。

這就是為什麼該關注兩個分數的分布形狀，而不是只看頭條數字。Step 5 Preview 在 Terminal-Bench 4.0 的讀數是 33.3%——這是貨真價實的代理任務成果，領先 DeepSeek V4.1 Flash 的 26.8%——但在已公布的紀錄中，還沒有任何內容顯示它能在 Anthropic 模型最擅長的長時程評估上與 Claude Opus 5 匹敵。StepFun 自家的資料在措辭上也承認了這一點：在 ALE-CLI、FrontierFinance 與 DRACO 上，該公司把 Step 5 Preview 排在第二，落後於 GPT-6 Astra 或 Claude Opus 5，但領先比較中的其他開放模型。以五分之一的價格拿下第二名，確實是很好的結果。但它終究不是第一名，而一個模型拿到第二名的任務，通常正是最需要第一名的任務。

另一種不對稱體現在呼叫出錯的時候。一個便宜模型花了四秒、用了 2,000 個 token 卻給出錯誤答案，你要付出的是重試的代價；同樣的錯誤答案若出自每百萬個輸出 token 要價 25 美元的 Claude Opus 5，你要付出的是重試再加上那番斟酌的代價。如果你的流程會在失敗時重試——大多數代理迴圈都會這麼做——那麼每次成功任務的有效成本才是真正關鍵的數字，而它與標價的比例並不相同，因為這兩個模型的失敗率不會一樣。目前還沒有人公布 Step 5 Preview 的這個數字。

規格對比，逐個維度

• Index 分數 — Step 5 Preview 44 對比 Claude Opus 5 51，兩者皆在 Intelligence Index v4.3.2 上，Claude Opus 5 在其最高推理努力設定下

• 每 100 萬個 token 的價格 — Step 5 Preview 輸入 $1.00 / 輸出 $2.70，對比 Claude Opus 5 輸入 $5.00 / 輸出 $25.00

• 快取折扣 — Step 5 Preview 95% 對比 Claude Opus 5 90%

• 上下文 —— 兩者皆為 1M tokens；StepFun 尚未公布輸出上限，而 Anthropic 的輸出上限為 128K

• 輸入 — 兩者皆接受文字與圖片；兩者僅輸出文字

• 輸出速度 — Step 5 Preview 99.8 tokens/秒，對比 Claude Opus 5 的 55.3 tokens/秒

• 控制介面 — Step 5 Preview 開放使用擴展思考；Claude Opus 5 以自適應推理投入度調節鈕取代 temperature 與 top_p

• 權重 — Step 5 Preview 今日關閉；BF16 檢查點預定於 10 月 15 日；Claude Opus 5 全程皆為專有

• 獨立證據 — 兩者皆由 Artificial Analysis 評分；StepFun 的代理型基準測試列由供應商自行執行且未經重現。

有兩列值得說明。速度差距確實存在，而且在實務上比表格所顯示的更大：每秒 99.8 個 token 對上 55.3，代表在相同輸出下，模型完成速度大約快上一倍；而 Step 5 Preview 的首個 token 時間為 2.96 秒，對比同一排行榜上 Claude Opus 5 的 56.84 秒，這又是不同量級的事——不過第二個數字量測的是最高強度推理設定，在這種設定下，模型會先深思熟慮，才會輸出任何內容。這不是正式生產環境呼叫會看到的延遲。若對照標準端點，我們自己的型錄回報 Claude Opus 5 的 p50 首個 token 時間為 6.73 秒；如果你並非刻意要求最大程度的深思推理，這才是你應該據以規劃的數字。

快取折扣那一列，才是默默決定重複工作負載的關鍵，而且它對 Step 5 Preview 較為有利，95% 對 90%。一個每次呼叫都重新傳送相同系統提示與儲存庫內容的代理迴圈，幾乎完全落在這項折扣之內，因此五個百分點的差距會在一段長時間的工作階段中不斷累積。

Claude Opus 5 依然是唯一答案的地方

上述內容沒有任何一點能反駁 Anthropic 的模型。它之所以是這個價格，是因為它做到了這個指數試圖衡量的那件事，而且還名列前茅——在 Intelligence Index v4.3.2 上拿到 51 分，領先 Step 5 Preview 七分，並逼近當前世代領導者的水準。在那些 7 分的總體差距低估了實際差異的工作負載中，往往是那些不容許有第二名答案的情境：長達數小時的重構，而失敗模式是細微的行為改變；一個推理鏈必須可稽核的財務模型；一次遷移，而錯誤決策要在一週後才被發現。在這些情境裡，重試並不便宜，而深思熟慮本身就是產物。

那些差距無關緊要的工作負載，是由許多微小決策構成的：分類與路由步驟、擷取、摘要、測試鷹架，以及代理在兩次真正重要的呼叫之間所做的那上千次呼叫。在這些工作上，一個處於 44 的模型能以一半時間、五分之一輸入價格作答，並不是妥協。它是正確的預設，而昂貴的模型則保留給必須做對的那個步驟。

執行拆分而不執行兩個整合

這種比較的實務版本是分層式管線，而團隊之所以沒建置這樣的做法，原因在於採購而非工程——兩家供應商、兩份合約、兩套 SDK、兩把需要輪替的金鑰。Claude Opus 5 在我們的目錄中，價格為 $5.00 和 $25.00，而你可能會放在它前面的較便宜文字模型也在同一份目錄裡，全部透過一把金鑰存取超過 200 個模型，並以 0% 加成直接轉嫁供應商定價。Step 5 Preview 不在那份清單上——它跑在 StepFun 自家的 API 上，而在權重釋出之前，那是它唯一能運行的地方。在我們確實有路由的模型之間組合分層，是路由 DSL 運算式而非程式碼變更——將例行呼叫送往小型模型，在信心或複雜度條件成立時升級到昂貴的模型，並讓兩條路徑都待在相同的端點後面。

自動容錯移轉在這裡之所以重要，是有其特定理由，而非只是個通用功能。Step 5 Preview 在發表當天就開放了 API，既未公布權重，也未揭露服務機群；它是個才問世幾天的預覽端點，而預覽端點在容量上所受的限制，是成熟端點所沒有的。Claude Opus 5 由許多獨立供應商提供服務，這正是預覽版無法提供的備援。將經過驗證的模型保留為備援的一環——在我們這邊，這意味著選用目錄中的正式生產模型，而非預覽版——這正是讓你在自有工作負載上取得真實品質訊號的方法，同時不必讓你的生產路徑依賴一個仍在調整規模的機群。

決策規則

如果你的工作量是少量極度困難的任務，Claude Opus 5 就不是昂貴的選項——它是便宜的那個，因為第二好的答案所付出的代價，比這個差額還要高。如果你的工作量是大量普通任務，其中只夾雜少量困難任務，那麼每百萬字元 $1.00 與 $2.70、附帶 95% 快取折扣的 Step 5 Preview 才是更好的預設選擇，而那 7 個百分點的差距，對於根本不需要它的工作來說，多半只是四捨五入的誤差。

會改變那項計算的，是關於失敗率以及長時程代理型任務列的獨立證據。StepFun 自家的數字讓該模型在其發表時所圍繞的各項評估中名列第二，而沒有任何第三方重現過這些數字。請關注 10 月 15 日的檢查點，留意兩件事：授權條款是否允許你進行微調，讓你能用自家資料彌補 7 個百分點的落差；以及一旦預覽版後綴拿掉後，那種冗長程度是否仍會維持。第一件事會改變那個比率；第二件事已經讓它變動過一次。