รู้จัก StepFun Step 5 Preview: โมเดลสำหรับเอเจนต์ที่ต้องทำงานต่อเนื่อง

หากงานต้องอ่านข้อมูลจำนวนมากแล้วลงมือทำต่อหลายขั้นตอน StepFun วาง Step 5 Preview ไว้เป็นตัวเลือกหลักสำหรับงานลักษณะนี้ ไม่ว่าจะเป็นวิศวกรรมซอฟต์แวร์ งานวิเคราะห์เชิงวิชาชีพ หรือเอเจนต์ AI ที่ต้องทำงานต่อเนื่อง โมเดลรับข้อความ ภาพ และวิดีโอ โดยมี หน้าต่างบริบท—ปริมาณข้อมูลที่ส่งให้พิจารณาได้ในการใช้งานครั้งหนึ่ง—สูงสุด 1 ล้านโทเคน แต่ตัวเลขนี้เพียงอย่างเดียวไม่ได้รับประกันว่าจะจดจำรายละเอียดหรือทำงานยาว ๆ ได้ถูกต้องตลอดทาง 13

ใช้ได้แล้วหรือยัง และเปิดน้ำหนักโมเดลเมื่อไร

StepFun ระบุ step-5-preview เป็นโมเดลที่เรียกใช้ผ่าน API ได้แล้ว ส่วนการเผยแพร่ น้ำหนักโมเดลแบบเปิด ซึ่งจะเป็นอีกทางเลือกหนึ่งนอกเหนือจากการเรียกใช้บริการ มีรายงานว่ากำหนดไว้วันที่ 15 ตุลาคม 2026 ณ วันที่ 25 กันยายน 2026 วันดังกล่าวยังมาไม่ถึง จึงไม่ควรนับว่า StepFun เปิดน้ำหนักโมเดลอย่างเป็นทางการแล้ว 332

แม้จะมีคลังโมเดลบน Hugging Face ที่บุคคลที่สามระบุว่ามีไฟล์น้ำหนัก BF16 ให้ดาวน์โหลด รายการเหล่านั้นยังไม่ใช่หลักฐานยืนยันว่า StepFun เผยแพร่ชุดน้ำหนักโมเดลอย่างเป็นทางการ 511

สเปกและงานที่เหมาะ

ข้อมูลสเปกที่เผยแพร่ระบุว่า Step 5 Preview ใช้สถาปัตยกรรม Mixture-of-Experts (MoE) แบบกระจายการทำงาน มีพารามิเตอร์รวม 600,000 ล้านตัว แต่ใช้งานราว 27,000 ล้านตัวต่อโทเคน รองรับข้อความ ภาพ และวิดีโอภายในหน้าต่างบริบท 1 ล้านโทเคน ตัวเลขพารามิเตอร์รวมจึงไม่เท่ากับจำนวนที่ถูกใช้งานทุกครั้ง 15

StepFun แนะนำโมเดลนี้สำหรับวิศวกรรมซอฟต์แวร์ งานความรู้เฉพาะทาง และเอเจนต์ที่ต้องดำเนินงานหลายขั้นตอน บริษัทชูการทำงานต่อเนื่องในสภาพแวดล้อมซอฟต์แวร์และงานด้านการเงินด้วย แต่ทั้งหมดเป็นจุดแข็งที่บริษัทมุ่งนำเสนอ ไม่ใช่คำรับประกันผลลัพธ์ในทุกงาน 116

เทคนิคเบื้องหลัง: อะไรเป็นข้อมูลที่รายงาน และอะไรยังพิสูจน์ไม่ได้

รายการโมเดลจากบุคคลที่สามระบุว่า Sparse GQA ช่วยให้รองรับบริบทขนาดยาว ขณะที่รายงานอีกแห่งกล่าวถึงการฝึกแบบ on-policy long-horizon reinforcement learning ตลอดจนเทคนิคจัดเส้นทาง MoE ให้สอดคล้องกันระหว่างฝึกและใช้งาน, MTP-3 speculative decoding, FP8 MoE และการย้าย KV cache ออกไปเก็บนอกหน่วยความจำหลักสำหรับการประมวลผล รายงานนั้นยังอ้างคำกล่าวของ StepFun ว่าได้ความเร็วแบบครบกระบวนการในการฝึก RL สำหรับงานระยะยาวเพิ่มขึ้น มากกว่า 3 เท่า รายละเอียดและตัวเลขดังกล่าวเป็นข้อกล่าวอ้างที่รายงานต่อมา ไม่ใช่ผลที่ตรวจสอบยืนยันอย่างอิสระจากเอกสารหลักที่มีอยู่ 537

แหล่งข้อมูลที่มีอยู่ยังไม่ยืนยันว่า Step 5 Preview มีบทบาทเฉพาะในการ สร้างโจทย์ที่ตรวจสอบความถูกต้องได้ และไม่สามารถแยกวัดได้ว่าเทคนิคใดช่วยเพิ่มความสามารถในการให้เหตุผลหรือใช้เครื่องมือมากน้อยเพียงใด 137

ราคา คะแนน และความเร็วที่วัดได้

Artificial Analysis ให้ Step 5 Preview 44 คะแนน ใน Intelligence Index และระบุราคาที่ 1.00 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านหน่วย กับ 2.70 ดอลลาร์ต่อโทเคนขาออก 1 ล้านหน่วย การทดสอบผ่าน API ของ StepFun วัดความเร็วในการสร้างคำตอบได้ประมาณ 83 โทเคนต่อวินาที ซึ่งเป็นผลภายใต้เงื่อนไขการทดสอบ ไม่ใช่ความเร็วคงที่สำหรับทุกคำสั่งหรือทุกผู้ให้บริการ 21

เทียบกับ Step 3.5 Flash และ Step 3.7 Flash

เกณฑ์เลือกที่ใช้ง่ายกว่าการดูขนาดโมเดลอย่างเดียวคือ ลักษณะงาน: StepFun แนะนำ Step 3.5 Flash สำหรับงานข้อความล้วน และ Step 3.7 Flash สำหรับการให้เหตุผลจากข้อมูลหลายรูปแบบที่เน้นความเร็ว ส่วน Step 5 Preview วางไว้สำหรับงานเอเจนต์ที่ต้องใช้บริบทมากและทำต่อเนื่องหลายขั้นตอน 1

Step 3.7 Flash เข้าใจภาพและวิดีโอ เลือกระดับความเข้มข้นในการให้เหตุผลได้ 3 ระดับ และมีหน้าต่างบริบท 256,000 โทเคน สถาปัตยกรรม MoE ของรุ่นนี้มีพารามิเตอร์รวม 198,000 ล้านตัว ใช้งานราว 11,000 ล้านตัวต่อโทเคน—ต่ำกว่าตัวเลข 600,000 ล้าน/27,000 ล้านตัว และบริบท 1 ล้านโทเคนที่ระบุสำหรับ Step 5 Preview อย่างไรก็ดี สเปกที่มากกว่าไม่ได้แปลว่าเหมาะกว่าหรือเร็วกว่าในทุกงาน 125