StepFun prezentuje model Step-5 Preview: 600 miliardów parametrów i przełom cenowy w zadaniach agentowych
Chińskie laboratorium StepFun oficjalnie udostępniło za pośrednictwem interfejsu programistycznego API swój flagowy model Step-5 Preview, wyposażony w okno kontekstu o rozmiarze 1 mln tokenów oraz natywną obsługę obrazu i wideo. Konstrukcja zrealizowana w architekturze rzadkiej mieszaniny ekspertów (sparse Mixture-of-Experts) integruje łącznie 600 mld parametrów, z czego podczas inferencji pojedynczego tokenu aktywnych pozostaje 27 mld parametrów. W niezależnym zestawieniu Artificial Analysis model uzyskał wynik 44 punktów, zrównując się z dotychczasową czołówką komercyjnych rozwiązań przy cenie trzykrotnie niższej od bezpośrednich konkurentów. Premierze w chmurze towarzyszy deklaracja udostępnienia wag w otwartym formacie open weights, którą wyznaczono na 15 października 2026 roku.
Architektura Mixture-of-Experts i specyfikacja techniczna
Model Step-5 Preview stanowi bezpośredni przeskok generacyjny z dotychczas rozwijanej przez StepFun rodziny Step-3.7-Flash. Zamiast monolitycznej, gęstej sieci (dense model), szanghajscy inżynierowie zdecydowali się na 92-warstwową strukturę Transformer opartą na technologii rzadkiej mieszaniny ekspertów. W ramach tej architektury sieć dysponuje pulą 600 mld parametrów, jednak dynamiczny mechanizm routingu przypisuje do obliczeń związanych z pojedynczym tokenem zaledwie 27 mld parametrów. Takie podejście drastycznie ogranicza narzut obliczeniowy, zachowując jednocześnie wysoką pojemność reprezentacyjną charakterystyczną dla systemów o wielusetmiliardowej skali.
Kluczowym elementem specyfikacji jest okno kontekstu sięgające 1 mln tokenów, pozwalające na bezproblemowe ładowanie całych repozytoriów kodu źródłowego, wielotomowej dokumentacji technicznej czy długich zapisów interakcji użytkownika. Równolegle Step-5 Preview zapewnia natywne przetwarzanie danych multimodalnych. W odróżnieniu od systemów posiłkujących się zewnętrznymi modułami optycznymi, sieć laboratoryjna StepFun przetwarza sekwencje pikseli i wektory tekstowe w ramach jednolitej przestrzeni ukrytej, co umożliwia analizę diagramów, interfejsów graficznych oraz sekwencji wideo bez utraty spójności semantycznej.
Wydajność w indeksie Artificial Analysis: zestawienie z Kimi K3 Max
W branżowym teście Artificial Analysis Intelligence Index model Step-5 Preview osiągnął wynik 44 punktów, lokując się znacznie powyżej rynkowej mediany, która w momencie pomiaru wynosiła 26 punktów. Rezultat ten zrównuje nową konstrukcję StepFun z modelem Kimi K3 Max, opracowanym przez konkurencyjne chińskie laboratorium Moonshot AI. Istotna różnica tkwi jednak w architekturze i zapotrzebowaniu na zasoby sprzętowe.
| Parametr / Wskaźnik | Step-5 Preview | Kimi K3 Max |
|---|---|---|
| Wynik w Artificial Analysis Intelligence Index | 44 | 44 |
| Całkowita liczba parametrów | 600 mld | 2,8 bln |
| Aktywne parametry na token | 27 mld | 104 mld |
| Maksymalne okno kontekstu | 1 mln tokenów | 1 mln tokenów |
Dane: Artificial Analysis / StepFun / Moonshot AI
Zestawienie dowodzi, że Step-5 Preview osiąga ten sam poziom sprawności wnioskowania co Kimi K3 Max, operując na zaledwie ułamku parametrów aktywnych (27 mld wobec 104 mld). W efekcie model wykazuje znacznie mniejsze opóźnienia generowania kolejnych tokenów i redukuje zapotrzebowanie na pamięć VRAM w klastrach obliczeniowych.
Ekonomia inferencji: agresywna redukcja kosztu tokenów
Najbardziej odczuwalnym dla rynku aspektem premiery Step-5 Preview jest struktura opłat wdrożona w komercyjnym API StepFun. Cennik został skalkulowany w sposób bezpośrednio podważający dotychczasową opłacalność zachodnich i azjatyckich modeli flagowych:
- Tokeny wejściowe (Cache Miss): 1,00 USD za 1 mln tokenów,
- Tokeny wejściowe w pamięci podręcznej (Cache Hit): 0,05 USD za 1 mln tokenów (95-procentowy rabat w ramach prompt caching),
- Tokeny wyjściowe: 2,70 USD za 1 mln tokenów.
Stawki te oznaczają w praktyce trzykrotne obniżenie kosztów względem modeli generujących porównywalne wyniki jakościowe. W scenariuszach agentowych, w których systemy wielokrotnie przesyłają do modelu ten sam zestaw instrukcji systemowych, bazę wiedzy czy historię wywołań narzędzi, mechanizm prompt caching z ceną 0,05 USD za milion jednostek diametralnie obniża barierę ekonomiczną dla ciągłych wdrożeń produkcyjnych.
Specjalizacja agentowa i wyzwanie konfabulacji
Twórcy modelu wyraźnie profilują Step-5 Preview pod kątem tzw. długich horyzontów wykonawczych (long-horizon agentic workflows). Demonstracje laboratoryjne obejmowały m.in. 24-godzinne, autonomiczne sesje optymalizacji niskopoziomowych kerneli GPU, inżynierię oprogramowania oraz wieloetapowe audyty sprawozdań finansowych. Model wykazuje wysoką sprawność w generowaniu wywołań funkcyjnych (function calling) i planowaniu sekwencji zadań.
Równocześnie testy laboratoryjne i pierwsze ewaluacje ujawniają istotną słabość modelu: podwyższoną tendencję do konfabulacji w rozbudowanych łańcuchach decyzyjnych. W zadaniach wymagających wielokrotnej wymiany informacji z zewnętrznymi bazami danych Step-5 Preview potrafi gubić spójność faktograficzną lub syntetyzować nieistniejące argumenty wywołań. Dla zespołów inżynierskich oznacza to konieczność obudowywania API zewnętrznymi środowiskami weryfikacyjnymi, rygorystycznymi schematami JSON oraz zautomatyzowanymi testami jednostkowymi uruchamianymi w odizolowanych piaskownicach (sandbox).
Kontekst rynkowy: pozycja StepFun i waga otwartych wag
Laboratorium StepFun (阶跃星辰) powstało w kwietniu 2023 roku w Szanghaju pod przewodnictwem Jianga Daxina, byłego wiceprezesa koncernu Microsoft i wieloletniego szefa badań w Microsoft Research Asia. Firma szybko zyskała status jednego z tzw. „AI Tigers” na chińskim rynku technologicznym, przyciągając kapitał od podmiotów takich jak Tencent oraz Qiming Venture Partners, a także sondując możliwość debiutu giełdowego na parkiecie w Hongkongu.
Decyzja o opublikowaniu wag modelu Step-5 Preview w formule open weights, zapowiedziana na 15 października 2026 roku, może wywołać istotne przetasowania w całym ekosystemie open-source. Model o architekturze MoE z 27 mld aktywnych parametrów mieści się w granicach dostępności sprzętowej mniejszych klastrów akademickich i serwerów lokalnych. Wprowadzenie tak zoptymalizowanej jednostki na otwarty rynek stanowi bezpośrednie wyzwanie nie tylko dla komercyjnych dostawców zamkniętych API, lecz także dla dotychczasowych liderów otwartoźródłowych modeli bazowych.
