Step 5 Preview: cosa offre il modello di StepFun per gli agenti AI

StepFun propone Step 5 Preview per attività che richiedono di consultare molto materiale e compiere più passaggi, come lo sviluppo software e il lavoro professionale basato sull’analisi di informazioni. Il modello accetta testo, immagini e video e dispone di una finestra di contesto da un milione di token: è la quantità massima di contenuto che può ricevere in una richiesta, non una garanzia che sappia utilizzare senza errori ogni dettaglio lungo l’intero processo. 13

Disponibilità e pesi aperti

Step 5 Preview è elencato tra i modelli utilizzabili tramite l’API di StepFun. Secondo le cronache, i pesi aperti — i file necessari per eseguire il modello fuori dal servizio API — sono previsti per il 15 ottobre 2026. Al 25 settembre si tratta quindi di una data futura, non di un rilascio ufficiale già completato. 332 Alcuni repository di terze parti su Hugging Face dichiarano già di offrire pesi in formato BF16, ma la loro presenza non dimostra, da sola, che StepFun abbia pubblicato un checkpoint ufficiale. 511

Architettura e casi d’uso

Il modello è descritto come una mixture of experts sparsa: conta 600 miliardi di parametri complessivi, di cui circa 27 miliardi attivi per token. La finestra da un milione di token e il supporto a testo, immagini e video lo rendono una possibile scelta quando una richiesta comprende molto materiale di partenza; il limite di contesto, però, non misura da solo l’affidabilità nel recuperare informazioni o nel portare a termine un compito lungo. 15

StepFun lo raccomanda per ingegneria del software, lavoro professionale basato sulla conoscenza e agenti che devono completare più passaggi. Nella presentazione del modello, l’azienda sottolinea anche l’esecuzione prolungata in ambienti software e le attività finanziarie: sono ambiti d’impiego dichiarati, non risultati garantiti in ogni applicazione. 116

Cosa sappiamo delle tecniche e dei guadagni dichiarati

Una scheda del modello pubblicata da terzi attribuisce il contesto esteso a Sparse GQA. Un articolo separato descrive l’uso di reinforcement learning on-policy su attività lunghe e cita l’allineamento tra addestramento e inferenza nell’instradamento degli esperti MoE, la decodifica speculativa MTP-3, l’impiego di FP8 per la MoE e lo spostamento della cache KV. Lo stesso articolo riporta un’accelerazione superiore a tre volte nell’intero processo di reinforcement learning su attività lunghe, attribuendola a StepFun. Le fonti primarie qui disponibili non consentono di considerare questi dettagli tecnici e il guadagno dichiarato come risultati verificati indipendentemente. 537

Non emerge inoltre una base sufficiente per attribuire a Step 5 Preview un ruolo specifico nella generazione di attività verificabili, né per quantificare il contributo di ciascuna tecnica al ragionamento o all’uso degli strumenti. 137

Prezzi e velocità misurata

Artificial Analysis assegna al modello 44 punti nell’Intelligence Index e riporta prezzi di 1,00 dollaro per milione di token in input e 2,70 dollari per milione di token in output. Nei suoi test tramite l’API di StepFun misura circa 83 token generati al secondo: è un dato rilevato in quelle condizioni, non una velocità fissa per qualsiasi richiesta. 21

Quale scegliere rispetto a Step 3.5 Flash e Step 3.7 Flash?

La distinzione pratica è il tipo di lavoro. StepFun suggerisce Step 3.5 Flash per le richieste solo testuali e Step 3.7 Flash quando conta la rapidità nel ragionamento multimodale. Quest’ultimo comprende immagini e video, offre tre livelli di impegno nel ragionamento e ha una finestra di contesto da 256.000 token. La sua architettura MoE sparsa conta 198 miliardi di parametri totali e circa 11 miliardi attivi per token, contro i 600 e 27 miliardi e il milione di token di Step 5 Preview. 125

In sintesi, Step 5 Preview è la proposta di StepFun per attività prolungate che richiedono più contesto; i modelli Flash restano le opzioni indicate dall’azienda quando prevalgono la velocità multimodale o l’uso esclusivo di testo. La scelta non dipende dal solo numero di parametri. 1