阶跃星辰 9 月 20 日发布新一代旗舰基座模型 Step 5 Preview，即日起在自家产品和 API 上可用，完整权重定在 10 月 15 日开源。
模型走的是稀疏 MoE 路线，总参数 600B，每个 token 激活 27B，上下文窗口 100 万 token，原生支持文本与视觉输入。发布把应用方向说得很具体：AI 编程、软件工程、专业知识工作和金融场景。
榜单成绩与自建基准
在 Artificial Analysis 综合智能指数上，Step 5 Preview 得 44 分，进入全球开源模型前三。其余公开基准的成绩是：GPQA Diamond 93.5%，Terminal-Bench v2.1 85.0%，BrowseComp 88.7%，多模态的 MMMU-Pro 76.0%。阶跃还提到在 AA-LCR、CyberGym 等基准上拿到最好或次好成绩。
需要分开看的是另一组数字。阶跃同时给出了 StepCodeBench 和 FinStepBench 两项成绩，这两个基准由阶跃自建：StepCodeBench 覆盖 553 个代码仓库、9 类任务、20 个应用领域和 33 种编程语言，用来测 Bug 修复、功能开发、代码重构、环境配置这类真实开发任务。自建基准的设计意图和公开榜单不同，不同设置下的结果也不具备直接可比性，这一点阶跃自己在材料里写了。
Agent 能力这一块，阶跃称模型可以自主执行超过 3 小时的连续任务，支持代码调试、串口访问、截图获取、摄像头调用和鼠标模拟操作。这类描述目前缺少第三方复现，外界能核的只有公开榜单那几项。
一笔账，和这笔账的口径
发布里被引用最多的一句是：单任务成本仅为 Anthropic Claude Opus 5 的八分之一。这句话的来源是阶跃自己，公开材料没有标注测算依据——多少任务、什么难度分布、按 API 挂牌价还是实际调用量算，一项都没写。
把这个口径放进具体场景算一遍：如果一个团队每月在 Opus 5 上的推理支出是 10 万元，按八分之一推，换到 Step 5 Preview 大约是 1.25 万元，一年省下的是百万量级。这个数字成立的前提是任务分布和阶跃测算时一致，而这正是没有公开的部分。对准备迁移的团队来说，10 月 15 日权重放出之后自己跑一遍同构任务，比引用这个倍数要可靠。
对比对象的选择也说明了定位。阶跃没有拿另一个开源模型做参照，挑的是闭源第一梯队里单价最高的那一档。
一个月的窗口
Preview 版本先上 API、正式权重等一个月，这种节奏国内厂商今年用得越来越多：先占榜单和舆论窗口，再放权重。风险在于这中间的一个月里，同量级的开源旗舰随时可能落地，44 分这个位次能不能保到 10 月 15 日，没人能打包票。
从工程角度看，600B 总参数、27B 激活的配置对部署方相对友好，27B 的激活量意味着单机多卡推理是可行的，不必按 600B 的稠密模型准备资源。这也是把权重开出来的前提条件，参数规模再往上，开源的实际意义会被部署门槛吃掉不少。
许可协议和 API 定价，阶跃这次都没有公布。这两项决定了 10 月 15 日之后有多少人会真的把它装起来。
参考来源：阶跃星辰官方发布、凤凰科技、CocoLoop、新浪科技；参数规模、AA 综合智能指数得分与开源时间按官方口径核对，成本倍数与自建基准成绩均为阶跃单方数据。