스텝펀(阶跃星辰, StepFun)은 10월 15일 플래그십 모델 Step 5 Preview의 가중치를 허깅페이스(Hugging Face)에 올렸다. 9월 20일 발표 당시 약속한 '10월 15일 정식 오픈소스'를 지킨 셈이다. 저장소에는 현재 FP8과 BF16 두 가지 주 가중치가 있고, 10월 14일 새로 만든 NVFP4 저장소도 있다. 세 저장소 모두 15일 오전에 업데이트가 끝났다.
모델 카드에 적힌 내용
Step 5 Preview는 희소 MoE 아키텍처로, 총 파라미터는 약 6000억 개(가중치 파일 메타데이터상 604B)이며 토큰당 활성 파라미터는 약 270억 개다. 컨텍스트 윈도우는 최대 100만 토큰이고, 최대 출력 역시 100만 토큰으로 표기돼 있다. 입력은 텍스트와 이미지를 지원하고 출력은 텍스트다. 모델 카드가 내린 규정은 한 문장뿐이다.
"Step 5 Preview is StepFun's flagship model for agentic work."
(Step 5 Preview는 스텝펀의 에이전트 작업용 플래그십 모델이다.)
라이선스는 스텝펀 자체의 StepFun Model License 1.0이다. 공식적으로는 'Apache-2.0 스타일'이라고 하지만 출처 표기 의무와 상업적 이용 허가 조건이 추가돼 있다. 어느 규모부터 별도 신청이 필요한지는 모델 카드 요약에 명시돼 있지 않아 라이선스 전문을 확인해야 한다.
벤치마크 성적은 모델 카드에 차트로만 실려 있다. 코딩, 에이전트 작업, 전문 지식 업무, 금융 분야를 아우르지만 본문에는 항목별 수치가 없다. 모델 카드에 따르면 성적은 High 추론 단계에서 측정한 것이며, GDPval-AA 항목은 Artificial Analysis의 9월 20일 기준 데이터를 인용했다. 제3자 평가로는 Artificial Analysis 종합 인텔리전스 지수가 44점으로, 오픈소스 모델 중 상위 3위에 올랐다.
중국 내 팀에게 의미하는 것
이번 오픈소스 공개에서 가장 실용적인 정보는 모델 카드의 배포 표다.
| 프레임워크 | 정밀도 | 하드웨어 |
|---|---|---|
| vLLM / SGLang | FP8 | B300 서버 1대(4장) 또는 H200 서버 1대(8장) |
| vLLM | BF16 | B300 서버 1대(8장) 또는 H200 서버 2대(16장) |
| Transformers 오프라인 | FP8 | H200 서버 1대(8장) |
중국 기업에게 B300은 사실상 구할 수 없고, H200의 대중국 공급도 올해 우여곡절이 많았다. 현실적인 경로는 대개 H200 8장으로 FP8을 돌리는 것이다. 모델 카드의 배포 표에는 엔비디아의 H200과 B300만 올라 있다. 중국산 가속기가 호환되는지, 성능 손실은 얼마나 되는지에 대해 스텝펀은 아직 공식 방안을 내놓지 않았다.
모델 카드는 흔히 겪을 수 있는 함정도 두 가지 짚었다. 하나는 100만 토큰짜리 긴 요청은 위 표의 구성에서도 KV 캐시가 들어가지 않을 수 있다는 점이다. 다른 하나는 FP8 가중치에 --dtype bfloat16 옵션을 붙여도 양자화된 가중치가 BF16으로 되돌아가지 않는다는 점으로, BF16으로 돌리려면 BF16 가중치를 따로 내려받아야 한다. Transformers의 BF16 분할 샤드 로딩 절차는 공식적으로 아직 완전히 검증되지 않았다고 표시돼 있다.
대략 계산해 보면 FP8 기준으로 6000억 파라미터는 가중치만 약 600GB가 필요하다. 141GB짜리 H200 8장은 합계 약 1.1TB의 메모리를 제공하고, 나머지 공간이 KV 캐시에 쓰인다. 자체 데이터센터에서 풀 버전을 돌리려는 팀에게 시작선은 바로 이런 서버 한 대다.
발표에서 공개까지 25일
9월 20일 발표 때 스텝펀이 앞세운 것은 비용이었다. 회사는 Step 5 Preview의 작업당 비용이 Claude Opus 5의 약 8분의 1이라고 밝혔다. 이후 모델은 스텝펀 자체 제품과 API를 통해 먼저 공개됐고, 10월 초에는 OpenRouter의 Trending 순위에서 전 세계 1위에 올랐다.
가중치가 풀린 뒤에는 평가의 초점이 'API가 쓸 만한가'에서 '직접 배포하면 이득인가'로 옮겨 간다. 커뮤니티가 GGUF 같은 저비트 버전을 빨리 만들어 서버 한 대나 소규모 클러스터에서도 돌릴 수 있게 되느냐가, 이번 오픈소스가 얼마나 많은 중소 팀에 닿을지를 좌우한다. 스텝펀은 기술 블로그도 함께 공개했다. 학습 데이터 규모나 강화학습 레시피 같은 세부 내용을 어디까지 밝혔는지는 커뮤니티가 하나씩 대조해 봐야 한다.
참고 출처: 스텝펀 허깅페이스 모델 카드, CocoLoop, 과창판일보(科创板日报), 아이판얼(爱范儿, Ifanr). 파라미터 규모, 배포 하드웨어, 라이선스 조항은 모델 카드를 기준으로 하며 인텔리전스 지수 점수는 Artificial Analysis 기준을 따른다.