AREX Feed Article
StepFun 开放旗舰 Agent 模型 Step 5 Preview 权重：600B/27B 稀疏 MoE、1M 上下文，BF16 与 FP8 上架 Hugging Face 与 ModelScope
北京时间 10 月 15 日 21 时，StepFun 官方 X 账号宣布：旗舰 Agent 模型 Step 5 Preview 现已开放权重，BF16 与 FP8 两种精度的检查点同时上架 与 ，与 一并放出。这兑现了该公司 9 月 20 日模型官宣帖结尾写下的「10 月 15 日开放权重」——日期一天不差。
官方模型卡确认了关键规格：Step 5 Preview 是稀疏 MoE（Mixture-of-Experts，专家混合）架构，总参数 600B、每个 token 激活 27B，上下文最长 100 万 token，输入为文本与图像、输出为文本；卡片同时给出 vLLM、SGLang 与 Transformers 三套部署配置。
从 API 上线到权重上架：间隔 25 天
Step 5 Preview 的发布分两步走。9 月 20 日 11 时 15 分（北京时间），StepFun 先模型经 API 上线：面向 Agent 工作的旗舰模型，主打软件工程与专业知识工作，金融为重点方向，帖子结尾预告了 10 月 15 日开放权重，累计浏览约 47.7 万次。同一天，Hugging Face 上的 FP8 仓库（北京时间 11 时 15 分创建）与 （11 时 52 分创建）先后建好，权重文件则一直等到 10 月 15 日随官宣出现。
9 月 22 日上午，StepFun 第三方评测结果：Artificial Analysis 对 Step 5 Preview 做了完整评测，智能指数 44 分、每任务成本 0.71 美元，帖子以「10 月 15 日还有更多」收尾。
权重如约放出，模型卡与 ModelScope 页面均显示当日更新。官方博客给这次发布的定位是一张智能指数-每任务成本曲线图：Step 5 Preview 位于标注 New Pareto Frontier 的蓝色曲线上，图中在它与 GLM-5.3、Kimi K3 之间以虚线标注「-65% Cost」。
输出上限同样是 1M token，检查点文件标注 604B
规格表另列两项官宣帖没有展开的细节：最大输出与上下文一样，最高 1M token；Hugging Face 仓库页顶部标注 604B 参数，对应检查点文件的统计口径。FP8 仓库页标注的权重格式为 F8_E4M3、BF16、F32；BF16 检查点放在独立仓库，格式为 BF16、F32。
一个细节：卡片导语称模型「接受文本、图像与视频」，但同一页规格表的输入一栏只写「文本、图像」，两处口径并不一致。
FP8 最低 4 卡 B300，BF16 要 8 卡 B300 或 16 卡 H200
三条部署路径各有分工：vLLM 与 SGLang 以 OpenAI 兼容 API 提供服务，Transformers 用于离线生成，前提是使用已包含 Step 5 Preview 支持的框架版本。
FP8 检查点的最低配置是一台 B300 节点 4 卡，张量并行（TP4）、张量+专家并行（TEP4）、数据+专家并行（DEP4）三种方式可选；在 Blackwell 架构的 B300 上，TEP 与 DEP 会启用 MegaMoE 后端。H200 单节点 8 卡是另一档 FP8 配置，使用默认 MoE 后端。BF16 检查点门槛更高：vLLM 下需要 B300 单节点 8 卡，或两台 H200 共 16 卡。
推荐推理参数为 temperature=1.0、top_p=0.95、top_k=0；vLLM 示例命令同时打开 MTP 投机解码（--spec-method mtp --spec-tokens 3）、名为 step5 的推理与工具调用解析器、--max-model-len 1048576 与前缀缓存。卡片附带的限制写得很直接：1M 上下文是输入与输出合并的额度，KV cache（键值缓存）显存不足时要下调 max-model-len 或并发；BF16 配置不保证装得下一次 1M token 请求；而在 FP8 检查点上设置 --dtype bfloat16，并不会把权重量化格式转成 BF16。
24 小时预算内的长时程执行：508 TFLOPS 与宝可梦三枚徽章
技术博客用两项设定和一个额外案例展示「长时程执行」——任务由模型自行反复调用工具、验证、修改。第一项是 GPU 内核优化：单张 H100、24 小时预算，从零优化一个 head_dim 为 512、批大小 1、64 头、8192 token 的 MLA 内核，模型获得 4 次独立机会、取最好成绩。博客称 Step 5 Preview 用约 22 小时把前向加反向吞吐推到 508 TFLOPS；图示对照中，Claude Opus 5 为 493 TFLOPS，Kimi K3 为 307，GLM-5.3 为 286。
第二项是自动化后训练：24 小时内自行决定如何调用一个可访问生产数据的标注器、如何修改后训练数据，把 Qwen3-30B-A3B 基础模型在 AIME24 上的准确率从 53.3% 提到 60%，博客称其结果与 Claude Opus 5 相当，且消耗的标注器 token 更少。第三项与代码无关：《宝可梦 红》里，博客称模型迄今持续交互超过 3,000 个回合、累计 600 万 token，在第 3,082 回合解锁 Cut、拿到三枚道馆徽章并击败 Lt. Surge，主线进度约三分之一——人工通关主线估计需要 26 小时。
自建基准上领先开源同行，仍落后闭源旗舰
编码能力的主要证据来自 StepFun 自建的 StepCodeBench：553 个独立仓库、9 类任务、20 个应用领域、33 种编程语言。博客给出 Step 5 Preview 的 avg@4 成绩为 49.0%，高于开源阵营的 Kimi K3（43.9%）与 GLM-5.3（40.2%），但落后闭源的 Claude Opus 5（63.9%）；配图雷达图显示，它在特性修改、缺陷修复、重构、文档生成、性能调优、代码生成六大类任务中均领先开源同行。
博客还称，在由内部与外部专家参与的评估中，约 70% 的参与者认为 Step 5 Preview 能自主解决中高复杂度的编码任务。金融是官方重点强调的方向：除内部 FinStepBench 三件套（LiveSearch、CorporateValuation、DeepResearch）外，在外部基准 FrontierFinance——220 道专家题、11,543 条评分标准、六类投资用例——上，Step 5 Preview 得分 66.4%，Claude Opus 5 为 69.7%。
成绩单仍以自报为主，博客也写明了差距
Hugging Face 模型卡上的基准成绩以图片形式呈现，出自厂商之手；卡片注明 GDPval-AA v2.1 取自 Artificial Analysis 截至 2026 年 9 月 20 日的结果，DeepSWE v1.1 用 SWE-agent 框架、在 temperature=1.0 与 top_p=0.95 下跑出。除 Artificial Analysis 的指数评测外，其余主要成绩目前没有独立验证。
博客自己的对比表也没有回避落后项：HLE 得分 46.5%，低于 Claude Fable 5.1 的 59.1%；Terminal-Bench v4 为 33.3%，低于 GPT-6 Astra 的 57.9%；SWE-Marathon v1.1 为 72.7%，低于 Claude Opus 5 的 85.6%。正文同样写明：「在最具挑战性的长时程任务上，与前沿仍存在明显差距。」
截至本文检索模型卡页面，FP8 仓库显示 30 天下载量 144 次，BF16 仓库为 126 次。外界眼下能亲手核对的是权重文件、部署配置与博客写明的实验设定本身；跑分成色如何，还没有独立测试给出答案。