StepFun Step 5 Preview: що вміє модель для тривалих завдань ШІ-агентів

StepFun пропонує Step 5 Preview для завдань, у яких ШІ-агенту потрібно опрацювати багато матеріалів і виконати кілька послідовних дій — зокрема під час розробки програмного забезпечення та професійної аналітичної роботи. Модель приймає текст, зображення й відео, а її контекстне вікно вміщує 1 млн токенів — одиниць, якими модель обробляє вміст. Для завдань, де важливіша швидкість або потрібна лише робота з текстом, StepFun радить моделі сімейства Flash. 13

Доступність і плани щодо відкритих ваг

Step 5 Preview зазначена в документації StepFun як модель, доступна через API. За повідомленнями, публікацію відкритих ваг — файлів, потрібних для запуску моделі поза API компанії, — заплановано на 15 жовтня 2026 року. Станом на 25 вересня ця дата ще попереду: називати публікацію ваг завершеним офіційним релізом зарано. 332 На Hugging Face уже є сторонні репозиторії, які заявляють про наявність ваг у форматі BF16. Самі ці сторінки не підтверджують, що офіційний файл ваг опублікувала StepFun. 511

Що означають мільйон токенів і 600 млрд параметрів

Step 5 Preview описують як модель із розрідженою архітектурою «суміші експертів» (MoE): вона має 600 млрд параметрів загалом, але для обробки кожного токена задіює приблизно 27 млрд. Контекстне вікно на 1 млн токенів дає змогу подавати моделі великі обсяги тексту разом із зображеннями та відео. Водночас розмір вікна сам по собі не доводить, що модель безпомилково згадає потрібні деталі або доведе тривале завдання до кінця. 15

StepFun рекомендує модель для програмної інженерії, роботи з фаховою інформацією та багатоетапних агентних процесів. У повідомленні компанії також ідеться про тривалу роботу в програмних середовищах і завдання, пов’язані з фінансами. Це заявлені напрями застосування, а не гарантія результату в кожному сценарії. 116

Що відомо про технічні методи

Сторонній опис моделі пов’язує підтримку довгого контексту з Sparse GQA — методом організації механізму уваги. Інше видання згадує навчання з підкріпленням на тривалих послідовностях дій, узгодження маршрутизації MoE під час навчання й використання моделі, а також MTP-3, FP8 MoE та вивантаження KV-кешу. Воно передає заяву StepFun про понад трикратне прискорення наскрізного процесу навчання з підкріпленням для тривалих завдань. У наданих первинних матеріалах ці подробиці та приріст швидкості не підтверджені незалежними вимірюваннями. 537

Доступні матеріали також не встановлюють конкретної ролі Step 5 Preview у створенні завдань, результат яких можна перевірити, і не показують, який внесок кожен із названих методів робить у міркування чи використання інструментів. Приписувати моделі такі підтверджені можливості або виміряні переваги підстав немає. 137

Ціна та виміряна швидкість

Artificial Analysis оцінила Step 5 Preview у 44 бали за Intelligence Index. Сервіс наводить ціну $1,00 за мільйон вхідних токенів і $2,70 за мільйон вихідних, а також швидкість близько 83 вихідних токенів за секунду під час тестування через API StepFun. Це результат за умов конкретного тесту, а не незмінна швидкість для будь-якого запиту. 21

Коли обрати Step 5 Preview, а коли — Flash

Рекомендація StepFun залежить від завдання: Step 3.5 Flash — для роботи лише з текстом, Step 3.7 Flash — для швидшої мультимодальної роботи із зображеннями та відео. Step 3.7 Flash пропонує три рівні зусиль для міркування та контекстне вікно на 256 тис. токенів. Її архітектура MoE має 198 млрд параметрів загалом і близько 11 млрд активних на токен — менше, ніж 600 млрд / 27 млрд і 1 млн токенів у Step 5 Preview. 125

Отже, Step 5 Preview варто розглядати насамперед для завдань із великим обсягом матеріалів і тривалим ланцюжком дій. Якщо пріоритет — швидкість мультимодальної роботи або достатньо текстової моделі, StepFun радить відповідні Flash-версії. Кількість параметрів сама по собі не замінює перевірки моделі на власному завданні. 1