开源Top2！实测阶跃Step 5 Preview，真有点猛啊… Jay 2026-09-21 11:46:43 来源： 量子位 激活参数仅27B Jay 发自 凹非寺 量子位 | 公众号 QbitAI 谁能想到，全球旗舰模型混战打到现在，局势依旧充满变数。
昨天， 阶跃星辰 毫无预兆地端出了最新一代旗舰基座模型——Step 5 Preview。 MoE架构，600B总参数、激活参数仅27B，1M上下文。
Agent能力大幅提升，在Artificial Analysis的最新评测中，Step 5 Preview取得44分，直接冲到全球开源Top 2。要知道，其他拿到这一分数的大模型，大多都是万亿参数级别。
所以相比起来，阶跃这个新模型定价蛮便宜。百万输入：1美元 百万输出：2.7美元 可以说很有竞争力了，单个 任务成本仅为Opus 5的12.5% 。
下面这张图更加直观。 AA榜单中， Step 5 Preview位于Intelligence Index与单任务成本权衡的「帕累托前沿」 。
说实话，看到这个消息时我有点意外。阶跃挺久没出现在这么靠前的位置了，之前两代模型都聚焦在Flash这个档位。
但Benchmark这东西嘛，现在大家也都懂。榜单上你追我赶，今天刷掉一个，明天又冒出来一个。
真到要用的时候，模型到底行不行，完全是另外一码事。所以我干了一件比较费钱的事： 烧了无数Token，并行跑了无数个3D资产、3D游戏…… 然后，我发现—— 这模型好像还真可以啊。
。 。
一手实测 最近Astra操控软件不是很火吗？所以API一接上，我直接给Step 5 Preview上强度，让它操作Blender，给我建一个后室出来。
说实话，最开始我没指望它真能交付出什么东西。结果等它自己折腾了一个多小时，我打开文件夹，再点开渲染好的MP4，直接看愣了。
不er，这啥啊，你搁哪个网站下载的视频？ ？
建模本身就不说了， 离谱的是，它居然自己给视频加了一堆后期 。 VHS录像质感、镜头噪点、昏黄灯光，人物走路的时候甚至还有脚步声。
给我看得有点毛骨悚然了，感觉转角会跳出一个《痴迷》女主。 。
。所以咱还是做点老少皆宜的demo吧。
第二个任务，我让它照着1999年的《LEGO Racers》，直接搓一个乐高赛车游戏。这次也挺完整。
赛道、赛车、人机车手、实时排名都有，甚至连发动机音效都给配上了。也是给我玩得不亦乐乎。
唯一的问题是，这赛道修得也太窄了。 。
。也可能主要还是因为我车技菜，经常一脚油门直接创路障上，有时候甚至连人机都跑不过。
不过吧，家人们，玩完两个3D Demo，我是真有点顶不住了。你要知道，我是晕3D的。
前面两个任务搓完，差点没搁工位上吐出来。 。
。最后再奉上一个《花屋》建模，接下来咱还是做点简单的2D任务吧。
先做了个霓虹跑酷小游戏。有意思的是，我专门用了和阶跃上一代官网Demo类似的Prompt。
结果差距还是挺明显的。道路两旁加了高楼，视觉层次更完整，Game Over之后整个边框还会跟着变红，很多Prompt里没写的小细节，它自己补上了。
然后我又让它做了个写作网站。这里必须单独表扬一句。
终于不往东坡肉里塞番茄炒蛋了。泪目。
这审美真可以啊，而且覆盖面特别全，基本能直接拿来用了。不过，有时候还是会出现模块溢出这种小Bug，依然得review，依然得改。
前面几个Demo也是这样。第一轮经常有些小细节不到位，离Astra那种「我咧个，这是AI做的？
的瘫软程度，肯定还有差距。但还是能拿来干活的。
通常指出两三轮问题，它自己修一遍，就能到可用状态。那么问题来了。
明明前面两代还都是Flash，怎么到Step 5 Preview，Agent能力突然猛了这么多？把算力花在刀刃上 过去几年，大模型行业最简单粗暴的信仰一直是Scaling。
更多参数，更多数据，更多算力。确实很猛，Fable直接给Agent堆超模了，涌现出不少新技能点。
但问题也很明显—— 贵啊。 。
。所以，Step 5 Preview当然也在Scaling，但它没有把「越大越好」当成唯一目标。
团队选择了一种叫 Narrow but Deep 的网络设计。直译过来就是： 窄，但深。
92层的Transformer ，在控制激活规模的同时，让信息经过更多层连续变换。这对Agent尤其重要。
复杂任务里，经常会有大量multi-hop依赖，前面搜到的信息，要经过很多步之后才能真正派上用场。网络更深，相当于给这些信息留下了更长的传播和推理路径。
但Agent还有另一个麻烦—— Context。几十轮工具调用之后，上下文能轻松滚到上百万Token。
如果每一层都把前面所有内容重新扫一遍，计算量很快就会爆炸。所以团队做的第二件事，就是稀疏化。
Sparse MoE、Hybrid Sparse、Sparse GQA……本质上都是在解决上下文的问题。当然，算法层面写个Sparse，不代表GPU真的就会少干活。
索引、访存、调度这些问题处理不好，好不容易省下来的算力，全部会浪费掉。这还稀疏个啥，稀疏不了一点。
所以Step 5 Preview在硬件上也下了不少功夫，通过底层算子和数据访问优化，让理论上的Sparse尽量真正变成实际吞吐。有了这套软硬件基座，后面要做的事就比较清晰了，围绕Agent训一遍模型，让它能连续干活。
简单来说，如果以前模型的基本单位是「回答」，那现在就变成了「Loop」。规划、执行、调用工具、看结果、发现不对、继续修。
然后再Loop。最终，通过Long-horizon RL、Context Compaction等方法， 团队让Step 5 Preview在几十轮工具调用之后，还能记得自己到底要干嘛 。
到这里，Step 5 Preview的思路就比较完整了。踩在「性能×成本」的甜蜜点上 ，把有限的计算预算尽量花在真正影响Agent能力的地方。
这也算是阶跃一直以来最擅长的事情。从Step 3.5 Flash，到Step 3.7 Flash，再到今天的Step 5 Preview，路线其实没怎么变—— 尽可能让Frontier级能力，大家用得起。
阶跃，回来了 大模型竞赛打到今天，依旧天上一天地上一年，战场始终瞬息万变，唯一不变的共识是： Frontier，远没有到终局。毕竟，仅仅过去一年里，头部模型的王座就不知道换多少次了。
。 。
新的模型、新的技术路线不断把能力边界往前推，曾经足以建立巨大壁垒的领先优势，很多时候几个月就会被追平。 Stanford 2026 AI Index里有个数据很有意思。
截至2026年3月，Anthropic、xAI、Google和OpenAI四家公司最顶尖的模型， 在Arena上的差距已经压缩到了25个Elo以内 。你要知道，GPT刚发的时候，这个差距可远没有这么小。
大模型竞争正在进入全新阶段： 一方面，Frontier的门槛越来越高；另一方面，Frontier内部又越来越拥挤。单纯追逐某一个Benchmark、某一次榜单第一，已经很难定义一家模型公司的长期位置。
今天一个模型需要回答的问题，是更复杂的： 能力有没有什么差异化？成本能不能压下来？
Benchmark上的智能，又能不能真正迁移到复杂、开放、长程的真实任务里？现在各家其实都已经开始疯狂点自己的技能树了。
K3专攻前端开发，将网页设计做到极致。 V4 Flash打爆性价比，给Flash级模型干成白菜价。
Astra同样如此，Coding其实没提升多少，但把Computer use的心智站住了。大家都在寻找自己的那根长板。
这次，阶跃也给出了他们的答案。向上，发布旗舰基座，杀回全球第一梯队。
向下，优化效率和成本，让Agent真正进入大众生活。大时代啊朋友们。
说实话，这才是AI行业最有意思的地方，要是真靠Scaling解决一切，跟制造业有啥区别啊。我一直觉得，模型层更像是一片参差不齐的竹林。
点亮任何一个技能点，都意味着Trade-off。更强的推理、更长的Context、更低的延迟、更少的激活、更强的多模态、更好的Agent能力…… 至少在相当长的一段时间里，很难有一家模型把所有方向全部点满。
所以技术路线也不会这么快收敛。只要能找到合适的切口，总会有新模型、新公司的市场生态位。
关于AGI的这场马拉松，远没有跑到最后一公里。阶跃，回来了。
版权所有，未经授权不得以任何形式转载及使用，违者必究。