Step 5 Preview: модель StepFun для долгих агентных задач

StepFun предлагает Step 5 Preview для задач, в которых ИИ-агенту приходится работать с большим объёмом материалов и выполнять несколько последовательных действий: например, в разработке ПО или профессиональной аналитике. Модель принимает текст, изображения и видео, а размер её контекстного окна составляет 1 млн токенов. Это позволяет передать ей много исходных данных за один раз, но само по себе не доказывает, что она безошибочно использует весь контекст в длительной работе. 13

Доступ и открытые веса

Модель step-5-preview указана в документации StepFun как доступная через API — программный интерфейс для подключения модели к приложениям. Сообщается, что открытые веса планируют опубликовать 15 октября 2026 года. На 25 сентября эта дата ещё не наступила; речь о плане, а не о состоявшемся официальном выпуске. На Hugging Face уже есть сторонние страницы, заявляющие о наличии весов в формате BF16, однако сами по себе такие страницы не подтверждают публикацию официального файла весов StepFun. 332511

Архитектура и предполагаемые задачи

Step 5 Preview описывают как разреженную модель типа «смесь экспертов» (MoE): в ней 600 млрд параметров, но при обработке каждого токена задействуется около 27 млрд. StepFun рекомендует её для программной инженерии, профессиональной работы с информацией и многошаговых агентных сценариев. В анонсе компания также выделяет длительную работу в программных средах и задачи, связанные с финансами. Это описание предполагаемых сильных сторон модели, а не гарантия результата в каждом проекте. 5116

Цена и измеренная скорость

По данным независимого сервиса сравнения моделей Artificial Analysis, Step 5 Preview набирает 44 балла в Intelligence Index. Указанная цена — $1 за миллион входных токенов и $2,70 за миллион выходных. При тестировании через API StepFun сервис измерил скорость примерно 83 выходных токена в секунду; на конкретном запросе она может отличаться. 21

Когда выбрать Flash вместо Step 5 Preview

StepFun советует Step 3.5 Flash для задач только с текстом, а Step 3.7 Flash — когда важна скорость работы с разными типами данных. Step 3.7 Flash понимает изображения и видео, предлагает три уровня усилий на рассуждение и имеет контекстное окно на 256 тыс. токенов. У этой модели 198 млрд параметров всего и около 11 млрд активных на токен — против 600 млрд, 27 млрд и 1 млн токенов у Step 5 Preview. Выбор зависит прежде всего от задачи: большой контекст и длительная цепочка действий или более быстрый сценарий. 125

Что пока остаётся заявлением

Сторонняя страница модели связывает длинный контекст с Sparse GQA. Другая публикация сообщает об обучении с подкреплением на длинных последовательностях действий и перечисляет технические приёмы, включая MTP-3, FP8 MoE и выгрузку KV-кеша. Она же приписывает StepFun заявление об ускорении полного цикла такого обучения более чем втрое. Доступные первичные материалы не позволяют независимо подтвердить эти детали или выделить вклад каждого приёма в качество рассуждений и работу с инструментами. 537

Также представленные источники не подтверждают отдельную роль Step 5 Preview в создании заданий с проверяемым результатом. Приписывать модели такую установленную возможность пока нельзя. 137