Step 5 Preview vs Grok 4.5：一個向您展示數字，另一個向您展示權重

Grok 4.5 與 S​tep 5 Preview 互為鏡像，而正是這層鏡像關係，才是你該讀這篇、而非盯著價格的原因。x​AI 於 2026 年 7 月 8 日 發布 Grok 4.5；StepFun 則於 2026 年 9 月 20 日 發布 S​tep 5 Preview。Grok 4.5 公布了一份你可引用的廠商評測數據——在 SWE-bench Pro 上達到 64.7%——還有一項獨立指數分數，卻完全不提供權重。S​tep 5 Preview 以三種精度、無需申請即可公開其權重，但整份文件裡找不到任何數值化的評測表格，模型卡上只有一張分數圖表。若你正要在兩者之間做選擇，問題不在於哪個模型更好，而在於你更願意背負哪一種未知：一個下載得到卻評不了分的模型，還是一個評得了分卻下載不到的模型。

這場對決的其他一切都能乾淨俐落地得到結論，而且在紙面上大多對 StepFun 有利。Step 5 Preview 在價目表兩端的價格都只要一半，上下文視窗是兩倍大，在兩款模型共有的唯一一項獨立測量中串流更快，而且把長前綴留在快取中的成本少了一個數量級。Grok 4.5 的反駁理由不在於它自身的規格——而是在於它是一個自七月以來已歷經兩次改版的家族裡的中間款，而且它的快取費率是該家族中最便宜的。

兩張費率卡，每一行

• 輸入價格 — Step 5 Preview 每百萬個 token $1.00，相較於 Grok 4.5 每百萬個 token $2.00

• 輸出價格 — S​tep 5 Preview 每百萬個 token $2.70，對比 Grok 4.5 每百萬個 token $6.00

• 快取命中輸入 — Step 5 Preview 每百萬個 token $0.10，相較 Grok 4.5 每百萬個 token $0.30 有 90% 折扣，即 85% 折扣，且是 Grok 系列中最便宜的快取費率

• 上下文視窗 — Step 5 Preview 100 萬個 token，對比 Grok 4.5 的 500,000 個 token

• 最大輸出 — 根據 StepFun 的文件，S​tep 5 Preview 為 64k tokens；模型卡本身的表格聲稱「最高可達 1M」，而 Grok 4.5 在廠商的定價頁面上並未以相同措辭說明。

• 長提示重新定價 — Step 5 Preview 在整個 100 萬權杖視窗採單一費率，相較之下，Grok 4.5 一旦單筆請求超過 200,000 個權杖，輸入與輸出便分別倍增至 4.00 美元與 12.00 美元，且費率適用於整筆請求，而非僅計算超額部分

• 架構 — S​tep 5 Preview 稀疏專家混合模型，總參數 600B、啟用參數 27B，橫跨 352 個專家，每個 token 選用 8 個；對比之下，Grok 4.5 是建構於 V9 基礎上的 1.5 兆參數專家混合模型，規模約為 Grok 4.3 的三倍

• 輸入模態 — Step 5 Preview 文字、圖片與影片 vs Grok 4.5 文字、圖片與檔案

• 獨立指數 —— Step 5 Preview 44，在該頁面擷取時於 219 個中排名第 41，對比 Grok 4.5 的 39；該頁面現已被 Artificial Analysis 標記為已棄用，而該數字凍結在模型的最終讀值。

• 輸出速度 — S​tep 5 Preview 在目前讀數下為每秒 88.1 個輸出 token，而 Grok 4.5 為每秒 60 個 token，低於 88 個 token 的平均值，且較 x​AI 在推出時引用的每秒 80 個 token 下降

• 廠商基準測試 — S​tep 5 Preview 並未在文件中公布數值表格，卡片結果以圖片形式呈現，對比 Grok 4.5 於 SWE-bench Pro 的 64.7%，由廠商自行報告

• 開放權重 — Step 5 Preview 的 FP8、BF16 和 NVFP4 檢查點在 StepFun 自己的帳號下，無限制且自發布當天早上起即可下載，對比 Grok 4.5 則未發布任何內容

對稱性，精確地表述

StepFun 針對 S​tep 5 Preview 的文件包含一個「At a glance」表格，其中有模型 ID、上下文視窗、輸入與輸出類型，以及輸入與輸出限制。它不包含基準測試列。模型卡的評估區段列出了所用的測試框架與取樣設定——temperature 1.0、top-p 0.95、top-k 0、High 推理設定、用於 DeepSWE v1.1 的 SWE-agent——接著以 PNG 呈現結果。StepFun 自己針對此模型的文件中，沒有任何數字是你可以以文字讀取並引用的，這代表所有流通中關於 S​tep 5 Preview 的效能宣稱，都可追溯至那張圖片或 Artificial Analysis。

對一個擁有開放權重的模型來說，這是一個奇怪的處境，因為開放權重通常是你會得到的東西，用來取代基準測試，而不是與基準測試真空並存。Artificial Analysis Intelligence Index 上的 44 是真實且獨立的，也是該模型唯一的中立分數，而評估者自己的頁面在該綜合指標內的幾項個別評估旁標有「審查中」標記。請把 44 視為一個來源充分的單一數字，而不是一份完整側寫。

Grok 4.5 則恰恰相反。它的權重並未公開，也從未公開過，因此這個模型是你按 token 租用的黑箱。你換來的是供應商文件記載的 SWE-bench Pro 64.7%，外加一份即時的獨立評測概況：同一索引版本拿下 39 分，目前讀數為每秒 60 個輸出 token，因此低於平均；每完成一項索引任務要價 0.88 美元；在整套測試中輸出 7,700 萬個 token，而中位數為 8,500 萬。最後這個數字正是 token 經濟性主張出現在別人的量測中，而且站得住腳——Grok 4.5 是更精簡的模型。這也是為什麼儘管它的價目表在兩端都貴上一倍，每項任務成本仍低於 S​tep 5 Preview。隨著模型年歲而來的有一點但書：評估方現在將 Grok 4.5 頁面標記為已棄用，只針對預設的 10,000-token 工作負載持續進行基準測試，並將其他工作負載的結果標記為歷史資料，而非最新更新。39 分是該模型的最終讀數，並非即時讀數。

這兩者都是正當的產品。它們只是無法用單一軸線來比較，而任何排行榜若把 44 和 39 並列，卻不說兩家廠商中有一家是自願公布這個數字、另一家則否，那就是在掩蓋更重要的差異。44 對 39 的差距，是兩個在推理投入不相匹配的情況下測得的綜合分數之間的 5 分，而且沒有任何一方做過正面對決。這不是值得付兩倍價格的理由。權重是選擇的理由，價格也是。

為什麼便宜的模型是快的那一個

兩百七十億個活躍參數，從六千億個參數中脫穎而出，這正是讓 Step 5 Preview 服務成本低廉的原因，而服務經濟效益也體現在獨立測量數據中：每秒 88.1 個輸出 token，對比 Grok 4.5 目前的 60，而且這個模型擁有兩倍的上下文視窗與一半的價格。Grok 4.5 的 1.5 兆參數 V9 基礎模型比 Grok 4.3 大三分之一，這也是它在輸入價格為兩倍的情況下，上下文卻只有 Grok 4.3 一半的原因——更大的基礎模型以視窗為代價換來能力，而等到你按 token 付費時，這項取捨就會附帶帳單。

延遲表現正是 Grok 4.5 站得住腳的地方，而且獨立數據也支持這一點，這值得說明，而不是略過。xAI 以 token 經濟性來推銷這款模型——每完成一項任務所需的輸出 token 更少——而量測結果也吻合：在 intelligence suite 中，輸出 token 為 7,700 萬，相對於中位數 8,500 萬，評估者形容它「相當簡潔」。Step 5 Preview 則反其道而行，產生 1.6 億個 token，相對於同樣的 8,500 萬中位數，並被貼上「非常冗長」的標籤。一個能用較少 token 完成任務的模型，即使生成速度較慢，也能在實際耗時上勝出；即使其費率表較差，也能在帳單上勝出。這就是為什麼 Grok 4.5 在每百萬 token 2.00 美元與 6.00 美元的價格下，每完成一項 index 任務的成本為 0.88 美元，而 Step 5 Preview 則以冗長換取較便宜的費率表。如果你的工作負載是大量簡短、定義明確的呼叫，那麼 token 經濟性的論點，正是應該在你自己的流量上測試 Grok 4.5，而不是因為價格就否定它的理由。

快取率是唯一應該選擇 Grok 4.5 的那一項

Grok 4.5 讀取一個快取詞元的費用是 Step 5 Preview 的三倍——每百萬三十美分對上十美分——所以這不是 Grok 相對於 StepFun 的優勢。這是相對於 Grok 自家後繼者的優勢。根據廠商的定價表，Grok 4.6 和 Grok 4.7 的快取費用都是每百萬 $0.50，比 Grok 4.5 的收費高出百分之六十六，而三者在輸入與輸出上的標價都同為 $2.00 和 $6.00。這樣的組合使得 Grok 4.5 成為其自身家族中，對某種特定工作負載型態而言唯一值得注意的成員：在釘選的 Grok 快照上，一個大型、穩定、反覆命中的前綴，且快取項目主導了帳單。

相較於 S​tep 5 Preview，就連那條線也朝相反方向走。而 200,000-token 的重新定價門檻更是雪上加霜：一個 250,000-token 的 Grok 4.5 請求，全部 250,000 個 token 都以雙倍費率計費；而同樣的請求在 S​tep 5 Preview 上，則在整個區間內以每百萬 $1.00 計費。在長上下文管線中，這就是均一費率與斷崖式收費之間的差別。

十月檢查點對這項比較有什麼改變？

Step 5 Preview 的權重自發布當天上午起即可下載——FP8 儲存庫於 2026 年 9 月 20 日 03:15 UTC 建立，BF16 儲存庫則於 03:52 建立，兩者的分片都在同日上午提交——但直到十月中旬，部署方面的全貌才總算完整。StepFun 於 2026 年 10 月 14 日發布了一個 NVFP4 檢查點，大小為 394.18 GB，配置為 NVIDIA 的四位元格式，搭配group_size: 16與未量化的 KV 快取；同一週，它還為較舊的儲存庫補上了完整的服務指南：已發布的容器映像、實測可用的張量、專家與組合平行化指令，以及專用的推理與工具呼叫解析器，讓模型自身的輸出格式在 OpenAI 形式的 API 中仍能保留。10 月 15 日，NVIDIA 公開稱這是「他們最大的開放權重發布」，並報告它「在 NVIDIA GB300 上使用 NVFP4 時，以接近 8K tokens/sec/GPU 的速度運行」——這是廠商在自家硬體上給出的數字，NVIDIA 以外無人重現過，而且附在一個你可以親自檢查的儲存庫上。

那一切都無法讓 Step 5 Preview 成為更可衡量的模型；基準測試的差距依然存在。它真正做到的，是讓權重論點變得具體。Grok 4.5 無法自行託管，無法鎖定在你可控制的版本，也無法接受稽核。Step 5 Preview 三者皆可，而且訓練配方已經公開。如果你的決策中牽涉到資料駐留規則、採購規則或模型淘汰風險，那就是決定關鍵的那一列，再多的 SWE-bench Pro 也無法彌補。

它們各自在堆疊中應位於何處

Grok 4.5 已在 OrcaRouter 上，型號為 grok/grok-4.5，與 Grok 系列其餘型號及目錄其餘部分並列，採用供應商本身的 $2.00 與 $6.00，並將 $0.30 快取費率原樣保留不變。這對 Grok 4.5 真正擅長的情境很重要：一個固定快照，搭配很長且穩定的前綴，與其他所有內容一起呼叫，使用 一個與 OpenAI 相容的端點，一個金鑰、一張帳單，對供應商標價零加成，因此價格變動會在生效當天就傳到你這裡，而不是等到下一個週期。如果你已經在路由 Grok 4.6 或 Grok 4.7，與 4.5 比較不過是改個字串並重新跑你自己的評估——跨供應商的自動容錯移轉意味著這個固定版本是一條路由規則，而不是一項依賴；當某個步驟需要兩種意見，而不是更便宜的選項時，DSL 會將多個模型組合成單一次呼叫。

Step 5 Preview 不在 OrcaRouter 的即時模型清單上，而誠實的指示是：在 StepFun 自家平台上呼叫它，或從已發布的檢查點自行託管。這與其說是路由器的限制，不如說是該模型的一項特性：選擇它的理由在於權重，而如果你使用的是權重，你就不會把它路由到任何地方。

結論，不假裝這兩者是同一款產品

選擇 Step 5 Preview，著眼於價格、上下文與權重——每百萬個 token 為 1.00 美元與 2.70 美元，以百萬個 token 為單位均一計價，支援影片輸入，在兩款模型僅有的獨立吞吐量測量上生成更快，並有三個可下載的檢查點與已發布的服務配方。接受你將在已發布效能證據少於你期望的情況下購買它，而且你手上唯一的數字是一個單一獨立綜合指標，其組成部分帶有審查旗標。它於 2026 年 9 月 20 日發布，其部署狀況在十月大幅改善；那就是你將採用的模型。

只有在以下情況下才選擇 Grok 4.5：你特別需要一份有文件記錄、可以放進採購文件的基準測試，需要這份比較中所有模型裡最精簡的輸出表現，或者需要 Grok 家族中、在你已經信任的固定快照上最便宜的快取費率——並且請注意，Grok 4.5 雖然在價目表的每一行都落後，卻在每完成一項任務的成本上勝出，而這是本文對它最有力的論據。要明白你放棄了什麼：一個落後兩個世代的模型，價格卻與它的兩個後繼者相同；沒有權重；在 200,000 個 token 處有重新定價的斷崖；上下文長度只有更便宜替代方案的一半；以及一個已被評估者凍結的分數。好處是你知道自己拿到的是什麼，而對黑箱模型來說，這點是有價值的。它不值得讓你在輸入和輸出上付雙倍價錢，但任務層級的數字顯示，這個溢價比價目表看起來的要小。

這一切都不是避開該模型的理由，而只是了解其歷史的理由：這一類模型背後有文獻記載的 AI 事件與代理失效，都收錄於 OrcaRouter AI Incident Archive，其中每一則條目都附有自己的來源、嚴重程度、信心等級與爭議標記。