StepFun Step 5 Preview : contexte, prix et différences avec les modèles Flash

Step 5 Preview s’adresse d’abord aux projets où un agent doit consulter beaucoup d’informations et enchaîner plusieurs actions. StepFun le recommande pour le développement logiciel, les travaux de connaissance spécialisés et les tâches d’agent à plusieurs étapes. Le modèle accepte du texte, des images et de la vidéo dans une fenêtre de contexte d’un million de tokens. Pour un usage exclusivement textuel ou lorsque la vitesse prime, StepFun oriente plutôt vers ses modèles Flash. 13

Disponible par API ; poids ouverts encore annoncés

step-5-preview figure parmi les modèles accessibles par l’API de StepFun. Selon des articles consacrés à son lancement, la publication de ses poids est prévue pour le 15 octobre 2026 : au 25 septembre, cette date est encore à venir et ne doit pas être présentée comme une sortie officielle déjà effectuée. 332 Des dépôts Hugging Face gérés par des tiers affirment proposer des poids BF16, sans établir à eux seuls que StepFun a publié un point de contrôle officiel. 511

Ce que permet le contexte — et ce qu’il ne prouve pas

Step 5 Preview est décrit comme un modèle à mélange d’experts parcimonieux (MoE) : il compte 600 milliards de paramètres au total, dont environ 27 milliards activés pour chaque token traité. Sa fenêtre d’un million de tokens peut accueillir un important volume de documents ou d’autres éléments d’entrée. Elle ne garantit toutefois ni le rappel fiable de chaque détail ni la réussite d’une tâche de bout en bout. 15

StepFun met en avant le travail prolongé dans des environnements logiciels ainsi que des applications liées à la finance. Il s’agit de domaines d’usage revendiqués, pas d’une garantie de résultat dans tous les cas. 116

Techniques et gains : distinguer les annonces des mesures

Un dépôt tiers attribue la gestion du long contexte à Sparse GQA. Un autre article évoque un apprentissage par renforcement sur des tâches de longue durée, ainsi que plusieurs techniques d’exécution, dont le décodage spéculatif MTP-3, le MoE en FP8 et le déchargement du cache KV. Il rapporte également un gain de vitesse de plus de trois fois de bout en bout pour cet entraînement, attribué à StepFun. Ces précisions et ce gain restent des affirmations rapportées, non des résultats établis indépendamment par la documentation primaire disponible. 537

Les éléments fournis ne confirment pas non plus un rôle précis du modèle dans la génération de tâches vérifiables, ni la contribution mesurée de chaque technique à ses capacités de raisonnement ou d’utilisation d’outils. 137

Prix, débit et choix face aux modèles Flash

Artificial Analysis attribue à Step 5 Preview 44 points sur son Intelligence Index. Le site indique un prix de 1,00 $ par million de tokens en entrée et 2,70 $ par million en sortie, et mesure environ 83 tokens générés par seconde via l’API de StepFun. Ce débit dépend des conditions de mesure : ce n’est pas une vitesse garantie pour chaque requête. 21

Pour choisir dans la gamme, StepFun recommande Step 3.5 Flash pour les tâches purement textuelles et Step 3.7 Flash pour le raisonnement multimodal rapide. Ce dernier comprend les images et la vidéo, propose trois niveaux d’effort de raisonnement et dispose d’un contexte de 256 000 tokens. Son architecture MoE compte 198 milliards de paramètres au total, dont environ 11 milliards actifs par token, contre 600 et 27 milliards pour Step 5 Preview. 125

Le critère décisif n’est donc pas le seul nombre de paramètres : Step 5 Preview est positionné pour les tâches d’agent longues et riches en contexte ; les modèles Flash répondent aux besoins de rapidité ou de traitement textuel ciblé. 1