阶跃星辰Step 5 Preview发布 开源模型全球前三
九月的AI赛道正处于密集迭代的白热化阶段，全球头部实验室接连推出新一代旗舰模型，国内厂商也在加速跟进迭代节奏。在这场每周都有重磅更新的混战中，有一家厂商没有选择跟随行业的小步快跑节奏，而是选择厚积薄发，在9月20日推出了新一代旗舰基座模型Step 5 Preview，正式宣告回归赛道核心竞争序列。
在行业通用的Artificial Analysis Intelligence Index评测中，Step 5 Preview拿下了44分的成绩，位列全球开源模型前三。横向对比来看，Claude Fable 5.1以53分领跑全球，GPT-6 Astra紧随其后拿到52.8分。这款模型的性价比表现尤为亮眼：每百万token输入仅需1美元，输出费用为2.7美元，完成一次评测任务的平均成本仅0.71美元。在官方的性能与成本对比体系中，Step 5 Preview开辟了全新的最优平衡点——在同等智能水平下，没有比它更实惠的选择；而在相同成本区间内，也没有比它表现更出色的模型。
值得注意的是，该评测体系在9月初刚刚升级到v4.2版本，新增了两项评测维度，淘汰了难度过低的旧评测项，同时将私有测试集的权重提升至40%。这意味着靠背题刷分的时代已经过去，模型需要在完全陌生的任务中展现真正的推理能力。而Step 5 Preview作为开源模型能够闯入榜单核心竞争区，证明国内开源模型的能力天花板正在快速向上突破。
这款模型的核心应用场景非常明确：面向Coding、软件工程、专业知识和金融场景，也就是那些需要长上下文、多轮工具调用和持续执行的复杂任务。它原生支持1M长度的上下文，可以完整加载整个代码仓库或大型数据室，不再需要拆分输入内容来适配模型限制。
我们拿到内测资格后，设计了多个贴近真实工作场景的测试项目，来验证Step 5 Preview的实际能力。
代码开发能力测试：一键生成可玩的3D飞行游戏
我们给模型的测试题目是：使用单文件HTML，仅借助three.js库，制作一个街机风格的低多边形3D飞行小游戏，要求能够正常游玩且视觉效果出色。Step 5 Preview仅用了20多分钟就生成了上千行代码，打开即可直接运行游戏。
游戏的视觉效果远超预期：天空和海水没有使用预设贴图，而是由模型自行编写的着色器实现，海面的起伏波浪、阳光在浪尖的反光以及远处融入雾气的远景都自然真实。操作手感流畅精准，按下左键即可转向，松手后自动回正，加速时视野自动拉宽，转弯时镜头跟随动作同步偏移，速度感完全贴合操作反馈；碰撞到海面时会有轻微的抖动和弹起效果，不会直接结束游戏，保持了持续的游戏节奏。
模型还主动在基础需求之外添加了细节：仅要求“金色光环”，模型为每个光环添加了直冲天际的光柱，让玩家在几百米外就能清晰看到目标方向，让追环玩法更有节奏感。同时自带穿环粒子爆炸特效、+100得分飘字、Boost冷却条显示以及90秒计时结算最高分功能，完全达到生产级可用标准，无需额外修改即可直接体验。
长程Agent测试：12份合同的精细化审核
第二项测试是典型的长程办公任务：拿到12份中英文合同，对照法务部的10条审核标准逐条检查，然后计算每份合同的续约日期、撰写修订函，并为采购部门整理总结报告。人类在处理这类任务时，最容易出错的环节是在第八份合同之后，注意力会出现明显下降，但Step 5 Preview交付的三个文件完全符合要求。
120项审核判断全部准确命中，26处违规全部被精准找出，额外标注的12处细节也完全合规。比如部分合同的责任上限看似符合“以年度金额为限”的条款，但模型注意到数据泄露、重大过失不设上限的补充要求，这一点人类审核很容易遗漏。哪怕是第十二份合同，审核的细致程度和第一份完全一致，甚至能发现藏在附件中的违规内容，而不仅仅是检查正文部分。
模型还能精准计算错过的退出窗口和最晚补救日期，对于一份已经错过正常退出窗口的合同，它会标红并给出还能补救的最后一天；对于一份年底才到期但通知期在10月2日截止的合同，会主动单列出来提醒。三个输出文件之间逻辑咬合紧密：修订函中给供应商的最后期限，和续约清单中算出的最晚通知日完全对应；给采购部的总结内容，也和前面列出的三件最紧急事项的时间节点一一匹配，完美展现了长程Agent的可靠执行能力。
深度研究测试：调和九份矛盾材料的真相
第三项测试是深度研究任务：提供九份关于同一家初创公司的公开材料，其中融资额、估值、营收、交付量、员工数等核心数据存在多处不一致。模型首先建立了七级优先级的审核规则：审计报告>公司更正声明>一手核实>官方新闻稿>BP>数据平台>匿名帖，同时辅以“口径优先于数值”“时点对齐”等六条辅助规则。
七个事实项全部准确研判，35处引用都精确到具体文件和行号。哪怕CEO在专访中提到公司估值32亿，且有两份官方材料印证，模型依然按照规则采用更正声明中的30亿估值，因为更正声明发布时间更晚且有内部邮件解释了32亿估值的计算逻辑。
此外，模型还发现了材料中未被注意到的矛盾：新闻稿提到同比增长210%，但反推去年上半年营收仅0.49亿，意味着69%的营收集中在下半年，没有任何材料能解释这一异常，被模型列为最脆弱的风险点，真正做到了基于规则的深度研究而非单纯依赖直觉。
金融尽调测试：扮演专业投资经理的全流程工作
最后一项测试是金融尽调场景：提供一家B轮融资公司的完整数据室，包括利润表、发票台账、银行流水、股权表、供应商名录和创始人演示材料，要求为投委会撰写尽调备忘录，并制作带公式的勾稽底稿。
模型生成的所有数字都精确到元，收入、回款、应收、净亏等核心数据全部和真实信息完全一致，底稿的多个表格和活公式都能从原表直接追溯。同时核出多处数据不符：实际增速、毛利率、客户数量、最大客户占比等关键指标均与公开表述存在差异。
在经营现金流方面，模型剔除了非经营性的股东借款和政府补贴，得出上半年实际现金流状况，还通过关联分析发现了未披露的关联交易，将不同材料中的信息串联起来，揭露了未公开的利益输送问题。此外，模型还注意到毛利率的异常波动，判断成本核算存在异常，证明模型并非单纯核对数据，而是真正在开展专业尽调工作。最终模型给出有条件继续尽调的结论，并附带多项先决条件和需要补充的材料，完整覆盖了专业投资经理的全工作流程。
反直觉的技术路线选择
Step 5 Preview采用稀疏MoE架构，总参数量600B，激活参数仅27B，原生支持文本与视觉输入，上下文长度达到1M。不同于当前行业追求万亿参数的风潮，研发团队明确表示，模型的“大”只是手段而非目的，核心目标是实现智能、成本、速度和规模之间的最优平衡。
具体的技术设计包含四个关键方向：
首先是窄而深的架构设计。复杂Agent任务中存在大量多跳依赖，频繁的工具调用又会带来很长的前置处理阶段，此时模型的网络深度不足会限制隐式多跳推理的完成。因此Step 5 Preview将Transformer深度直接提升至92层，为长上下文的信息传播提供更长路径。同时针对深层网络容易出现的数值爆炸、梯度尖峰问题，团队对隐藏状态、归一化和梯度计算做了专门优化，保证训练过程的稳定性。
其次是多层面稀疏设计，采用混合稀疏激活架构。除了MoE本身的专家稀疏激活外，引入稀疏分组注意力机制，在处理百万token超长上下文时，无需让每个token与所有token进行注意力计算，通过稀疏索引仅调用相关历史信息，大幅降低长上下文的计算开销，让模型学会“只看该看的地方”。
第三是算法稀疏到系统效率的打通。算法层面的稀疏设计并不天然等于实际使用中的更快速度，因为稀疏计算对GPU的索引和数据搬运模式有特殊要求，可能会抵消理论上的性能节省。为此Step 5 Preview通过块级令牌合并，将索引与选择的成本降低8倍；同时合并相邻令牌高度重叠的结果，改善碎片化计算导致的GPU利用率问题，确保算法层面的稀疏优势真正转化为实际使用中的高效体验。
第四是面向Agent的训练体系。在Step 5 Preview的数据生产流程中，智能体不仅负责生成样本，还参与知识探索、任务设计、难度与多样性控制和流程动态编排。同时加入安全性检查，避免模型通过评测漏洞“看起来成功”却未真正解决问题。整个流程由专家提供原则和关键判断，智能体负责动态编排，确定性操作交由代码和工具执行，最终构建出百万级、可验证的高难任务环境，覆盖科学推理、软件工程、机器学习研发和专业工作场景。
针对变长Agent任务，模型还在训练与推理一致性、训练效率和长轨迹学习三个方面进行优化，将上下文压缩和细粒度奖励分配纳入训练流程，让智能体能够在有限上下文中推进更长周期的任务。
从Flash到旗舰：贯穿始终的效率优先脉络
这种效率优先的技术路线并非Step 5 Preview首次出现，回溯阶跃的三代基座模型，效率优先都是贯穿始终的核心主线。
Step 3.5 Flash总参196B，激活参数11B，作为稀疏MoE模型定位为Agent大脑，发布后迅速被极氪8X搭载，成为吉利整车智能体的核心模型。Step 3.7 Flash总参198B，激活参数约11B，新增原生视觉能力，发布两天内冲上全球热门榜单第二，随后拿下多模态热榜第一。
Step 5 Preview延续了同样的稀疏架构基因和效率优先思路，激活比例甚至比前两代Flash系列更低，却将能力提升至旗舰水平，上下文长度从256K拓展到1M。这证明“高效率”和“高智能”并非对立关系，高效的设计可以延伸到旗舰级的能力上限。2026年的大模型竞争已经从单纯的规模比拼转向“能力×效率”的综合竞争，而阶跃正是这一方向的长期践行者。
体系级选手的重新入场
真正让阶跃值得重新审视的，是它完成的一次体系级升级，三张核心牌几乎同时亮出。
第一张是前沿基座能力：Step 5 Preview的评测成绩和全球排名，重新确认了阶跃的旗舰模型研发能力。
第二张是全模态矩阵布局：在Step 5 Preview发布前几天，阶跃推出了全新的语音模型系列，其中实时语音模型拿下多项全球第一，加上此前发布的端侧模型、界面操作模型、图像编辑模型，阶跃的全栈布局已经十分完整。
第三张是终端量产落地能力，这也是阶跃最独特且容易被低估的优势。其模型手机装机量超过4200万台，日均服务近2000万人次，覆盖超过一半的头部中国手机品牌。在汽车端，和头部车企的合作已经深入整车智能体层面，搭载自研系统的大模型原生手机也通过了最高级别测试，斩获行业重磅奖项。
庞大的装机量和高频次调用，让阶跃的模型在真实噪声、复杂环境、低算力、低延迟、高并发的场景中持续接受检验，形成了纯API模型公司难以拥有的数据飞轮，真实世界的反馈可以反向驱动模型迭代。而“AI+终端”的差异化路线，正是阶跃的核心竞争力所在。
拉长时间来看，全球大模型竞争仍在高速演进。一年前，很少有人相信中国开源模型能进入全球前五，但已经有厂商做到了；半年前，很多人认为中国模型在全球平台上的调用量超过美国是天方夜谭，但赛道格局已经被彻底改写。
Step 5 Preview的发布，正是这种高速演进的又一个注脚。它让市场重新认识到：大模型竞争已是一场涵盖基础模型能力、全模态体系、终端落地、商业闭环的系统性竞赛。Step 5 Preview不只是刷新了一项评测成绩，更把阶跃推入了生产级智能体模型的核心竞争区间，在效率优先的赛道上，阶跃已经走得足够远、足够深，让这条路线本身成为了独特的竞争优势。
