StepFun (chinesisch: 阶跃星辰) hat am 15. Oktober die Gewichte seines Flaggschiffmodells Step 5 Preview auf Hugging Face veröffentlicht und damit das Versprechen eingelöst, das es bei der Vorstellung am 20. September gegeben hatte: offizielle Open-Source-Freigabe am 15. Oktober. Im Repository liegen derzeit zwei Hauptgewichte, FP8 und BF16, dazu ein am 14. Oktober neu angelegtes NVFP4-Repository. Alle drei wurden heute Vormittag aktualisiert.
Was die Modellkarte verrät
Step 5 Preview basiert auf einer spärlich aktivierten MoE-Architektur mit insgesamt rund 600 Milliarden Parametern (die Metadaten der Gewichtsdateien weisen 604B aus); pro Token werden etwa 27 Milliarden Parameter aktiviert. Das Kontextfenster reicht bis zu 1 Million Token, die maximale Ausgabelänge ist ebenfalls mit 1 Million Token angegeben. Eingaben können Text und Bilder sein, Ausgaben sind Text. Die Modellkarte beschreibt die Positionierung in einem einzigen Satz:
„Step 5 Preview is StepFun's flagship model for agentic work.“
(Step 5 Preview ist StepFuns Flaggschiffmodell für Agenten-Aufgaben.)
Die Lizenz ist die hauseigene StepFun Model License 1.0, die das Unternehmen als „Apache-2.0-artig“ bezeichnet, die aber eine Pflicht zur Namensnennung und Bedingungen für die kommerzielle Nutzung ergänzt. Ab welchem Umfang eine kommerzielle Nutzung gesondert beantragt werden muss, steht in der Zusammenfassung der Modellkarte nicht; dafür muss man den vollständigen Lizenztext lesen.
Benchmark-Ergebnisse finden sich in der Modellkarte nur als Diagramme. Sie decken Programmierung, Agenten-Aufgaben, professionelle Wissensarbeit und Finanzen ab; einzelne Zahlen nennt der Fließtext nicht. Laut Modellkarte wurden die Werte auf der Reasoning-Stufe „High“ gemessen, und beim Test GDPval-AA stammen die Daten von Artificial Analysis mit Stand 20. September. Von dritter Seite vergibt der Artificial Analysis Intelligence Index 44 Punkte, was unter den Open-Weights-Modellen einen Platz unter den ersten drei bedeutet.
Was das für Teams in China bedeutet
Die praktisch nützlichste Information dieser Veröffentlichung ist die Deployment-Tabelle der Modellkarte:
| Framework | Präzision | Hardware |
|---|---|---|
| vLLM / SGLang | FP8 | 1 B300-Server (4 GPUs) oder 1 H200-Server (8 GPUs) |
| vLLM | BF16 | 1 B300-Server (8 GPUs) oder 2 H200-Server (16 GPUs) |
| Transformers (offline) | FP8 | 1 H200-Server (8 GPUs) |
Für chinesische Unternehmen ist die B300 praktisch nicht zu bekommen, und auch die H200-Lieferungen nach China verliefen in diesem Jahr holprig. Der realistische Weg dürfte daher meist FP8 auf 8 H200-GPUs sein. Die Deployment-Tabelle der Modellkarte nennt nur die H200 und B300 von Nvidia; ob sich heimische Beschleunigerkarten einsetzen lassen und wie viel Leistung dabei verloren geht, dazu hat StepFun noch keine offizielle Lösung vorgelegt.
Die Modellkarte warnt außerdem vor zwei typischen Stolperfallen. Erstens passt bei Anfragen mit 1 Million Token der KV-Cache selbst mit den oben genannten Konfigurationen unter Umständen nicht in den Speicher. Zweitens wandelt der Parameter --dtype bfloat16 auf FP8-Gewichten die quantisierten Gewichte nicht in BF16 zurück; wer BF16 nutzen will, muss den BF16-Gewichtssatz herunterladen. Den Ladevorgang für BF16-Shards mit Transformers kennzeichnet StepFun offiziell als noch nicht vollständig verifiziert.
Eine grobe Rechnung: In FP8 belegen allein die Gewichte von 600 Milliarden Parametern rund 600 GB, während acht H200 mit je 141 GB zusammen etwa 1,1 TB Speicher bieten. Der Rest steht dem KV-Cache zur Verfügung. Für Teams, die die vollständige Version im eigenen Rechenzentrum betreiben wollen, ist genau ein solcher Server die Einstiegshürde.
25 Tage von der Vorstellung bis zur Freigabe
Bei der Vorstellung am 20. September stellte StepFun die Kosten in den Vordergrund: Nach Angaben des Unternehmens liegen die Kosten pro Aufgabe bei Step 5 Preview bei etwa einem Achtel von Claude Opus 5. Danach wurde das Modell zunächst über StepFuns eigene Produkte und die API zugänglich gemacht und kletterte Anfang Oktober in den OpenRouter-Trending-Charts weltweit auf Platz eins.
Mit veröffentlichten Gewichten verschiebt sich die Frage von „Ist die API gut?“ zu „Lohnt sich der Eigenbetrieb?“. Ob die Community schnell Low-Bit-Varianten wie GGUF liefert, mit denen auch einzelne Rechner oder kleine Cluster das Modell betreiben können, entscheidet darüber, wie viele kleine und mittlere Teams diese Freigabe erreicht. StepFun hat zeitgleich einen technischen Blogbeitrag veröffentlicht; wie detailliert Angaben etwa zum Umfang der Trainingsdaten oder zum Reinforcement-Learning-Rezept ausfallen, muss die Community erst Punkt für Punkt prüfen.
Quellen: Hugging-Face-Modellkarte von StepFun, CocoLoop, STAR Market Daily, iFanr; Parameterumfang, Deployment-Hardware und Lizenzbedingungen gelten laut Modellkarte, die Werte des Intelligence Index nach der Berechnung von Artificial Analysis.