阶跃Step 5 Preview：27B激活参数登顶开源榜，Agent能力与性价比双突破

事件概述

阶跃星辰（StepFun）于2026年9月21日无预兆发布最新一代旗舰基座模型 Step 5 Preview。该模型凭借极高的性能价格比和强大的Agent能力，迅速登上 Artificial Analysis 全球开源模型榜单前列，引发行业关注。

核心信息与技术亮点

• 架构与参数：采用混合专家（MoE）架构，总参数量为 600B，但激活参数仅为 27B。这种设计旨在控制推理成本的同时保持高算力效率。
• 上下文窗口：支持高达 1M (一百万) Token 的上下文长度，适合处理长文档和复杂的多轮交互任务。
• 评测成绩：在 Artificial Analysis 的最新评测中，Step 5 Preview 获得 44分，排名全球开源模型 Top 2。值得注意的是，达到这一分数的大多数其他模型均为万亿参数级别。
• 成本优势：定价极具竞争力，百万输入价格为1美元，百万输出价格为2.7美元。其单个任务成本仅为 Anthropic Opus 5 的 12.5%。在 Intelligence Index 与单任务成本的权衡图中，Step 5 Preview 位于“帕累托前沿”，实现了性能与成本的最佳平衡。

实测表现：Agent能力显著提升

通过对 Blender 3D建模、游戏开发及网页构建等复杂任务的实测，Step 5 Preview 展现出超越前代 Flash 系列模型的 Agent 能力：

1. 3D资产生成：通过 API 操控 Blender，模型能独立完成从建模到渲染视频的全过程，甚至自动添加 VHS 录像质感、镜头噪点及音效等后期处理细节，无需人工干预即可交付可用成果。
2. 游戏开发：能够基于提示词快速生成包含赛道、赛车、人机对手及实时排名的完整赛车游戏 Demo，并配备发动机音效，逻辑结构完整。
3. 代码与UI构建：在霓虹跑酷小游戏和写作网站开发中，模型不仅能实现基础功能，还能自动补全 Prompt 中未提及的细节（如视觉层次、边框反馈），审美在线，基本可直接使用。虽偶有模块溢出 Bug，但通常经过两三轮迭代修正后即可达到可用状态。
4. 长程记忆与规划：在几十轮工具调用后，模型仍能保持目标清晰，通过 Long-horizon RL（长视野强化学习）和 Context Compaction（上下文压缩）技术，解决了传统模型在长链路任务中容易遗忘初始指令的问题。

技术路线解析：Narrow but Deep

Step 5 Preview 并未单纯追求参数规模的无限扩张，而是采取了 “窄而深”（Narrow but Deep） 的网络设计理念：

• 深层Transformer：构建 92层 Transformer 网络，在控制激活规模的前提下，增加信息连续变换的深度。这为复杂任务中的多跳依赖（multi-hop dependencies）提供了更长的推理路径，使前期获取的信息能在后续步骤中有效发挥作用。
• 稀疏化优化：针对长上下文带来的计算爆炸问题，团队引入了 Sparse MoE、Hybrid Sparse 和 Sparse GQA 等技术进行稀疏化处理。
• 软硬件协同：通过底层算子和数据访问优化，确保理论上的稀疏化能转化为实际的 GPU 吞吐提升，避免索引和访存开销抵消节省的算力。

行业影响

随着大模型竞争进入新阶段，头部模型间的差距正在缩小（Stanford 2026 AI Index 数据显示顶尖模型 Elo 差距已压缩至25以内）。Step 5 Preview 的发布标志着阶跃星辰重新杀回全球第一梯队，其策略聚焦于将 Frontier 级能力以大众可承受的成本落地，特别是在 Agent 自动化工作流领域，展现了从“回答者”向“执行者”转变的技术趋势。