Artificial Analysis 评测 Step 5 Preview： Intelligence Index 得 44 分，成本约为同级模型 1/2.8

阶跃星辰的 Step 5 Preview 在 Artificial Analysis 智能指数上得分 44，与 Kimi K3（max）持平，而每任务成本约低 2.8 倍，但在智能体评测上落后于同类模型

Step 5 Preview 是 @StepFun_ai 的新旗舰模型，总参数量 600B、激活参数 27B，接替 Step 3.7 Flash（2026 年 5 月发布）。它在智能指数上得分 44，与 Kimi K3（max）持平，仅略低于 GLM-5.3（max，45）和 Qwen3.8 Max（45）

关键要点：

➤ Step 5 Preview 每完成一项智能指数任务的成本，比同分数模型低约 2.8 倍。它每任务成本约 $0.72，而同样得分 44 的 Kimi K3（max）约为 $2.00，得分 45 的 GLM-5.3（max）约为 $2.01。这源于其定价：每 1M 输入/输出 token 为 $1/$2.70，在输入和输出上都低于这两者。MiMo-V2.6-Pro 是唯一一个得分更高（46）而每任务成本更低（$0.13）的模型

➤ 前沿推理是其突出强项，也是相较 Step 3.7 Flash 提升最大的地方。Step 5 Preview 在 Humanity's Last Exam 上得分 46%，与 Kimi K3（max，47%）相当；在 CritPt 上得分 21%，介于 Kimi K3（23%）和 GLM-5.3（max，19%）之间。两者相较 Step 3.7 Flash 均大幅提升：HLE 上 +25 分，CritPt 上 +19 分

➤ 在参数更少的情况下，AA-Omniscience 准确率高于 GLM-5.3，但幻觉更多。Step 5 Preview 总参数量为 600B，在 AA-Omniscience（我们衡量事实回忆与幻觉的基准）上达到 42% 的准确率，领先于 GLM-5.3（max，34%，753B），落后于 Kimi K3（max，48%，2.8T）。它尝试回答的问题比 GLM-5.3 更多（68% 对 55%），且作答时更常出现幻觉（43% 对 30%），最终在 AA-Omniscience Index 上得分为 16，介于 GLM-5.3（14）与 Kimi K3（20）之间

➤ 在智能体评测中，Step 5 Preview 落后于 Intelligence Index 得分相近的同类模型。它在我们衡量智能体表现的主要评测 GDPval-AA 上获得 1，566 Elo，落后于 Qwen3.8 Max（1，668）和 GLM-5.3（max，1，646）。这一差距在 Terminal-Bench 4.0（33% 对 39% 和 42%）、AA-Briefcase（1，432 Elo 对 1，640 和 1，525）以及 AutomationBench-AA（51% 对 56% 和 62%）上同样存在

模型关键细节：

➤ 模型规模：600B 总参数，27B 激活参数的 MoE 模型

➤ 上下文窗口：1M tokens

➤ 多模态：支持文本、图像和视频输入，文本输出

➤ 定价：每 1M 输入/输出 tokens 为 $1/$2.70，缓存输入为 $0.05/M

➤ 可用性：StepFun 第一方 API，并计划于 10 月 15 日发布开放权重

➤ 许可：目前为闭源权重，计划于 10 月 15 日发布权重