Step 5 Preview mira tarefas longas com agentes de IA — mas contexto amplo não garante resultado

O Step 5 Preview é a aposta da StepFun para trabalhos em que um agente de IA precisa lidar com muito material e executar várias etapas, como tarefas de engenharia de software e análise profissional. A janela de contexto de 1 milhão de tokens permite enviar entradas extensas de texto, imagens e vídeo. Isso, porém, não prova que o modelo consiga recuperar informações com precisão ou concluir qualquer tarefa longa sem falhas. 135

Já está disponível? E os pesos abertos?

O Step 5 Preview consta entre os modelos selecionáveis na API da StepFun. Segundo reportagens, a empresa planeja disponibilizar pesos abertos em 15 de outubro de 2026. Em 25 de setembro de 2026, essa data ainda está no futuro: não deve ser apresentada como uma publicação oficial já realizada. 332

Há repositórios de terceiros no Hugging Face que afirmam oferecer pesos em BF16. A existência dessas páginas, por si só, não confirma que a StepFun tenha publicado um checkpoint oficial do modelo. 511

O que significam os números do modelo

O Step 5 Preview é descrito como uma mistura esparsa de especialistas (mixture of experts, ou MoE): são 600 bilhões de parâmetros no total, mas aproximadamente 27 bilhões ativados por token. Ele recebe texto, imagens e vídeo e oferece uma janela de contexto de 1 milhão de tokens. A combinação o torna uma opção a considerar quando há muito material de entrada, sem transformar o limite de contexto em garantia de memória confiável ou execução bem-sucedida. 15

A StepFun recomenda o modelo para engenharia de software, trabalho especializado baseado em conhecimento e agentes que realizam tarefas em múltiplas etapas. Em seu anúncio, também destaca atividades prolongadas em ambientes de software e tarefas ligadas a finanças. Trata-se do posicionamento da empresa, não de uma promessa de desempenho em toda aplicação. 116

Técnicas divulgadas: o que é relato, não comprovação

Uma página de terceiros atribui o contexto longo à técnica Sparse GQA. Outra reportagem descreve treinamento por aprendizado por reforço on-policy para tarefas de longa duração e cita alinhamento entre treinamento e inferência no roteamento MoE, decodificação especulativa MTP-3, MoE em FP8 e transferência do cache KV para armazenamento auxiliar. Essa reportagem atribui à StepFun uma alegação de aceleração superior a 3 vezes de ponta a ponta nesse treinamento. Os detalhes e o ganho informado não estão estabelecidos de forma independente na documentação primária disponível. 537

As fontes fornecidas também não sustentam um papel específico do Step 5 Preview na geração de tarefas verificáveis, nem permitem medir separadamente quanto cada técnica melhora raciocínio ou uso de ferramentas. 137

Preço e velocidade medidos

A Artificial Analysis atribui ao Step 5 Preview 44 pontos em seu Intelligence Index. A plataforma informa US$ 1,00 por milhão de tokens de entrada e US$ 2,70 por milhão de tokens de saída, além de medir cerca de 83 tokens de saída por segundo pela API da StepFun. Essa velocidade reflete as condições do teste; não é uma taxa fixa para qualquer solicitação ou provedor. 21

Quando escolher o Step 5 Preview ou um Flash?

A recomendação da StepFun é usar o Step 3.5 Flash em tarefas apenas de texto e o Step 3.7 Flash quando a prioridade é raciocínio multimodal em alta velocidade. O Step 3.7 Flash entende imagens e vídeo, oferece três níveis de esforço de raciocínio e tem contexto de 256 mil tokens. Sua arquitetura MoE reúne 198 bilhões de parâmetros no total, com cerca de 11 bilhões ativos por token — abaixo dos números divulgados para o Step 5 Preview. 125

Na prática, a escolha depende mais do trabalho a realizar do que da contagem de parâmetros: o Step 5 Preview é apresentado para tarefas prolongadas com mais contexto, enquanto os Flash são as opções recomendadas pela StepFun para uso somente com texto ou para aplicações multimodais que priorizam velocidade. 1