Step 5 Preview 對比 Intern-S2 Mobius：你需要 600B 旗艦，還是快速的 35B 推理器？

老實說，之所以要比較 Step 5 Preview 與 Intern-S2 Mobius，並不是因為它們很相似。而是因為它們是來自同一買家的兩個不同問題的答案——那個有推理工作負載要跑、卻無意購買一整個叢集的團隊。StepFun 的 Step 5 Preview 於 2026 年 9 月 20 日發布，是大型的那個答案：總參數約 6,000 億，其中 270 億為活躍參數，具備 1M token 的上下文，獨立測得的 Artificial Analysis Intelligence Index 分數為 44，且公布價格為每百萬輸入 token 1.00 美元、每百萬輸出 token 2.70 美元。InternLM 的 Intern-S2 Mobius 於 2026 年 7 月 29 日發布，是小型的那個答案：一個 350 億參數的開放權重模型，建構於 Mobius-v0 架構上，由 Qwen3.5-35B 持續預訓練而來，其核心主張不是能力，而是速度——在推理基準上相較於其訓練所依據的基線，端到端約有 4 倍加速，且沒有任何形式的獨立基準分數。一個是你租用的旗艦；另一個是你自行運行的小模型。這項比較真正要問的是，眼前的工作負載究竟是否值得使用旗艦。

在看數字之前，先交代一件小事，因為它真的會浪費大家不少時間：InternLM 已在 Intern-S2 這個名號下推出過好幾個模型，而它們並不是同一回事。Intern-S2-397B 是科學多模態旗艦模型；Intern-S2 Mobius 則是本文所討論的 35B 高效推理模型；而較早發布的 Intern-S2 又是另一個獨立的模型。如果你搜尋「Intern-S2」卻找到 397B 模型的基準測試表，那你讀到的是不同的檢查點。

每個模型實際上聲稱什麼

Step 5 Preview 的宣稱是 2026 年旗艦模型的常規說法，其中一項經過獨立驗證。StepFun 列出約 600B 總參數、27B 活躍參數、文字與圖像輸入、100 萬 token 的上下文視窗，以及每百萬輸入與輸出 token 分別為 $1.00/$2.70 的價格。Artificial Analysis 在其 Intelligence Index 上測得 44 分，高於同類模型的中位數 26，輸出速度為每秒 87 個 token，相較於平均值 78，且在該索引任務套件中產生約 1.6 億個輸出 token，相較於中位數 8,200 萬——大約是典型冗長輸出量的兩倍，這在按輸出計費的模型上很重要。

Intern-S2 Mobius 的主張屬於架構層面，而且範圍更窄。其設計將知識與運算分離：一個全域共享的 Memory 儲存知識向量，多個 Reasoners 則以迭代方式對其查詢並精煉隱藏狀態，而不是像傳統 transformer 那樣逐層綁定儲存與運算。InternLM 宣稱的效益是，在推理基準測試上相較於其衍生的 Qwen3.5-35B 約有 4 倍的端到端加速，推理分數相當或更強，且可見的思維鏈更短。該模型採用 Apache 2.0，支援文字與圖像輸入，並且可供下載。

• 規模 — Step 5 Preview：總計約 600B，StepFun 稱活躍參數為 27B，對比 Intern-S2 Mobius：總計 35B。

• 獨立評分 — Step 5 Preview：在 Artificial Analysis Intelligence Index 上取得 44 分；對比 Intern-S2 Mobius：無任何第三方公布的數據。

• 速度 — Step 5 Preview：每秒 87 個輸出 token，對比平均值 78，由 index board 實測，與 Intern-S2 Mobius 相比：相較於其自家的 Qwen3.5-35B 基準達「將近 4 倍」，為廠商自行報告且未經複現。

• 上下文視窗 — Step 5 Preview：StepFun 的 1M tokens，對比 Intern-S2 Mobius：未公布獨立的上下文數據。

• 價格 — Step 5 Preview：每百萬個 token 輸入 $1.00 / 輸出 $2.70，對比 Intern-S2 Mobius：無 API 價格；你需為硬體付費。

• 授權與存取 — Step 5 Preview：透過供應商 API 進行的封閉預覽，BF16 權重承諾於 2026 年 10 月 15 日提供，對比 Intern-S2 Mobius：Apache 2.0 權重現已可用。

• 冗長度 — Step 5 預覽：在整個 index 套件中約有 1.6 億個輸出 token，對比 8,200 萬的中位數；根據 index 排行榜，與 Intern-S2 Mobius 相比：InternLM 聲稱其可見推理軌跡較短，但其他人皆未測量。

4 倍的主張，以及為何它是這裡有趣的數字

並排閱讀兩家廠商的數字，落差顯而易見：StepFun 的主打數據是能力分數，InternLM 的則是吞吐量倍數。這並非巧合，而是這份比較中最有用的重點。在推理任務上達到 4 倍端到端加速，如果能在別人的測試框架中依然成立，對高流量部署的價值，會高於排行榜上的幾分——它會徹底改變執行這項工作負載的成本算式。Intern-S2 Mobius 鎖定的是瓶頸在於每美元每秒 token 數、而非能力上限的團隊。

需要注意的是，這個倍數是對照 Qwen3.5-35B 測得的，而 Intern-S2 Mobius 正是從這個模型持續預訓練而來，Qwen3.5-35B 從未接受過 Mobius 訓練。這是與自身起點的比較，而不是與競爭對手的比較。吞吐量宣稱沒有獨立重現，沒有第三方指數評分，也沒有廠商以外任何人公布的上下文視窗。請把「接近 4 倍」視為一個有趣的架構訊號，以及一個可在你自己的測試框架上驗證的假設，而不是一項規格。

Step 5 Preview 則呈現相反的證據特徵。它的能力數值是獨立測得的；效率表現才是它較弱的一環。指數榜的冗長度讀數——約 1.6 億個輸出 token，而中位數模型約輸出 8,200 萬個——是對 2.70 美元輸出價格的誠實制衡，這也意味著若工作負載偏向長時間的結構化生成，實際花費將明顯高於標價所暗示的水準。它真正擁有而 Intern-S2 Mobius 沒有的，是至少公布了 API 價格，而這正是讓兩者一開始得以互相比較的原因。

Hugging Face 上那個承諾的廠商版本儲存庫，道出了故事的另一半：這就是開放權重發布在已宣布、卻尚未推出時的樣子。

足跡問題真正造成影響的地方

Intern-S2 Mobius 真正的優勢不在於它的分數——那根本沒人測量過——而在於看錯它所需付出的代價。三百五十億個參數，是一個團隊能在自己已擁有的硬體上提供服務、無需採購單就能評估、且放棄時不必認列任何沖銷的規模。這是旗艦模型無論拿下多少分都無法匹敵的結構性優勢，也是這場比較值得進行、而非以「兩者不對等」為由加以駁斥的原因。

旗艦模型的優勢正是其鏡像。Step 5 Preview 的 1M-token 上下文、圖像輸入以及經實測的一般推理能力，能涵蓋 35B 模型不太可能妥善涵蓋的工作，而且在免費窗口期間試用它無須任何成本——該模型在十月期間已於三個不同的開發者平台上免費提供。這兩項事實都不適用於自架模型：沒有免費的一週可供你運行自己的 GPU，也沒有任何價目表能將這項決定轉化為單一條列項目。

如果你希望這項比較能延續到促銷期之後，該打造的是測試框架，而不是偏好。OrcaRouter 將超過 200 個模型導向單一 API 金鑰與單一帳單，0% 加成，並直接傳遞供應商定價，同時具備自動容錯移轉，以及一套路由 DSL，可依成本、延遲或能力引導流量。Step 5 Preview 和 Intern-S2 Mobius 都不在該目錄中——StepFun 的旗艦模型並非由我們路由，而 Intern-S2 Mobius 是自行託管的下載項目——所以這裡的價值不在於能存取這兩者。而在於你將用來與它們進行基準比較的那些模型，只差一把金鑰就能取得，而且以實測做出的決定會隨著證據移動，而不是隨著一篇發布部落格文章移動。

如何決定

如果你的工作負載屬於代理式、多模態、長上下文或開放式——也就是你無法事先列舉出所有任務的那種——旗艦版就是答案，而 Step 5 Preview 是它的一個合理實例：經過實測、已定價、試行成本低，而且可按 token 逐一撤回。只要針對輸出的冗長程度編列預算，而不是只看標示費率。

如果你的工作負載是針對必須留在你周界內的資料，進行範圍狹窄、重複且大量的推理，那麼小型模型就是答案；而 Intern-S2 Mobius 正是真正值得考慮的候選，正因為它小：它能在你現有的硬體上運行、採用 Apache 2.0，而且那項速度宣稱若然成立，正是那種能決定單位經濟問題的因素。著手時要清楚，你是在驗證供應商的說法，而不是承接別人的結論。

錯誤在於把這個選擇當成永久不變。先購買小型模型的評估，因為那是便宜的實驗；針對小型模型失敗的任務租用旗艦模型，因為那是便宜的修補。在同一把金鑰與同一套測試框架上讓兩種選項並存的團隊，最終會用自己的資料做出這個決定，而當任一供應商推出後繼產品時，這是唯一站得住腳的版本。