Step 5 Preview 600B-A27B 发布新一代“帕累托前沿” 跻身国模第一梯队并且会开源

fengchris 2026-09-20 10:22 1

官方博客：阶跃星辰

Step 5 Preview 在 AI 编程、软件工程、专业知识工作等任务上达到前沿水平，并在金融领域展现出尤为突出的能力。Step 5 Preview 采用稀疏 MoE 架构，总参数量 600B，每个 Token 激活 27B 参数，支持 1M Token 上下文窗口和视觉输入。

评分惊人，跻身第一梯队

Step 5 Preview 现已可通过我们的产品和 API 使用。 模型将于 10 月 15 日正式开源。

更完整的评测结果，覆盖 Reasoning、Coding、Agent、Finance 和 Multimodal 等多个方向。

评测基准	Step 5 Preview (High)	GLM 5.3 (Max)	Kimi K3 (Max)	GPT-6 Astra (Max)	Claude Fable 5.1 (Max)	Claude Opus 5 (Max)
推理与知识
GPQA Diamond	93.5%	91.7%	93.5%	96.1%	93.7%	93.2%
HLE	46.5%	42.3%	46.9%	54.7%	59.1%	54.9%
AA-LCR v1.1	88.3%	79.7%	88.7%	80.7%	85.3%	79.3%
CritPt	20.9%	19.1%	23.4%	31.7%	29.7%	29.1%
Coding
DeepSWE v1.1	67.7%	66.9%	67.5%	74.1%	67.4%	74.0%
Terminal-Bench v2.1	85.0%	83.9%	85.0%	88.4%	91.4%	89.1%
Terminal-Bench v4	33.3%	41.9%	12.6%	57.9%	55.8%	52.3%
CyberGym	84.7%	84.5%	80.0%	—	—	—
SciCode	58.9%	59.0%	59.5%	56.5%	63.1%	56.4%
RoadmapBench	54.3%	54.1%	55.4%	—	—	68.3%
ProgramBench (Pass Rate)	80.5%	72.0%	77.8%	85.4%	82.7%	82.3%
SWE-Marathon v1.1 (Partial Score)	72.7%	67.4%	84.4%	77.3%	80.2%	85.6%
MLS-Bench-Lite	40.5%	37.3%	48.3%	—	50.3%	49.8%
SWE-Atlas-QnA	63.6%	59.6%	59.5%	60.9%	—	66.0%
SWE-Atlas-Test-writing	50.8%	50.4%	50.4%	51.1%	—	60.3%
StepCodeBench†	49.0%	40.2%	43.9%	61.0%	—	63.9%
StepCode-Bench-Daily†	64.9%	69.1%	57.7%	—	—	77.6%
StepCode-Bench-General†	65.0%	62.0%	65.2%	64.3%	—	68.3%
通用 Agent
GDPval-AA v2	1571	1634	1548	1580	1724	1735
τ³-Banking	42.5%	50.3%	46.0%	41.4%	47.2%	42.1%
AutomationBench-AA	51.0%	62.2%	58.3%	68.5%	59.4%	56.6%
AutomationBench (public)	44.0%	48.2%	46.7%	—	—	—
AA-Briefcase	1417	1511	1492	1562	1662	1645
Toolathlon-Verified	74.1%	73.0%	76.5%	—	77.8%	80.6%
MCP-Atlas	85.6%	86.8%	85.3%	—	—	87.0%
PresentBench	76.8%	74.5%	75.6%	—	—	77.3%
OfficeQA Pro	60.3%	59.1%	62.6%	67.7%	—	64.7%
SpeadSheet v2	29.4%	30.5%	31.9%	31.4%	—	32.8%
JobBench	59.0%	61.4%	54.3%	—	—	65.7%
Apex-Agents	37.8%	38.1%	41.0%	—	—	41.8%
Draco	83.3%	82.3%	78.5%	76.8%	87.7%	87.6%
BrowseComp	88.7%	—	91.2%	91.5%	—	90.2%
HLE w/ tools‡	59.4%	62.5%	56.0%	57.2%	65.0%	63.6%
FinStepBench-LiveSearch†	74.5%	73.3%	70.9%	74.5%	—	76.2%
FinStepBench-CorporateValuation†	60.6%	56.1%	60.6%	77.3%	—	69.7%
FinStepBench-FinanceDR†	55.8%	53.3%	48.9%	45.0%	—	59.1%
FrontierFinance	66.4%	64.1%	62.6%	55.0%	—	69.7%
电脑操作
Agents’ Last Exam (ALE-CLI)	29.5%	28.6%	27.6%	33.3%	—	28.6%
多模态与文档
MMMU-Pro	76.0%	— (text only)	81.0%	87.0%	—	85.0%
GDP.pdf	14.8%	11.2%	22.0%	31.0%	26.2%	21.6%

标注 † 的评测基准为内部自研。

加粗数值表示该行的最佳结果，下划线数值表示次佳结果。

对于 HLE w/ tools‡，Step 5 Preview (High)、DeepSeek V4.1 Flash (Max) 与 GLM-5.3 (Max) 在纯文本子集上评测，其余模型在完整数据集上评测。不同评测设置下的结果不具备直接可比性。

最新回复 (15)

fengchris 楼主 09-20 10:24

1楼

API价格也是涨得厉害

部分Plan用户已经可用的

（我这按次数的老mini套餐还不行，各位有plan的佬友自测）
asyu9912 09-20 10:29

2楼

这定价也是不低，高达1USD/3USD了
栏杆拍遍 09-20 10:31

3楼

这怎么国内价格比国外还贵呢？
jcc 09-20 10:34

4楼

套餐给的多，性价比很不错

199套餐，每月有8000人民币的额度

而且是套餐条款里，清清楚楚的写的每月给8000

和gpt那种各种暗改的不确定的额度不一样
野酒 09-20 10:36

5楼

他们家的plan给的额度堪称丧心病狂，不能按单价算的。49元8倍 99元16倍 199元40倍。
AiharaMahiru 09-20 10:36

6楼

这么看性价比挺高，就怕以后暗改额度和倍率
asyu9912 09-20 10:38

7楼

那这看起来确实，有佬实测一下智商吗，现在很怕做题模型（（（
huachuan12 09-20 10:43

8楼

我昨晚跑了一下，思维链非常有问题，各种重复，思考效率很低
内一衡径数 09-20 10:47

9楼

国模越来越喜欢搞几百B的编程特攻小模型(按现在的业界行情应该算小吧)了, 这样下去会被 GPT 和 A^-^ 拉开的越来越大
ysin 09-20 10:48

10楼

这家从来没试过，有懂得佬吗？
Localhost 09-20 11:09

11楼

benchmark 里为啥不和 deepseek v4.1 flash比啊，是因为不想吗
wren 09-20 11:10

12楼

早上试了试 ,各位看看
羽于羊 09-20 11:10

13楼

这个定价怎么实现性能-定价的帕累托最优啊
han154 09-20 11:27

14楼

画一个鹈鹕为什么能画15分钟都没画完在claude cli里面使用的
unsafetrait 09-20 11:29

15楼

我就不试了，毕竟翻车的比较多，等诸位佬友测试，真牛逼的话我们再大量购入