新智元报道
9 月是全球 AI 实验室密集发布旗舰模型的“修罗场”。在这场周周洗牌的混战中，阶跃星辰选择“攒一个大招”，于 9 月 20 日正式发布新一代旗舰基座模型 Step 5 Preview，宣告重回竞争核心。
创造新的前沿：开源模型跻身全球前三
在 Artificial Analysis Intelligence Index（AA 智能指数）中，Step 5 Preview 取得 44 分的成绩。
横向对比显示，Claude Fable 5.1（53 分）领跑全球，GPT-6 Astra（52.8 分）紧随其后。Step 5 Preview 凭借 44 分闯入全球开源模型前三甲。
更引人注目的是其极致性价比：输入成本 1 美元/百万 token，输出 2.7 美元/百万 token，完成一道 AA 智能指数任务平均仅需 0.71 美元。
在 AA 官方“智能指数 vs 单任务成本”图谱中，Step 5 Preview 确立了新的帕累托前沿：同等智能水平下成本最低，同等价格下智能最高。
值得注意的是，AA 智能指数月初已升级至 v4.2 版本，剔除简单评测项并大幅提升私有测试集权重，旨在考察模型在未知任务上的真实推理能力。在此背景下，Step 5 Preview 作为少数进入核心竞争区的开源模型，标志着中国开源模型能力天花板的进一步上移。
Benchmark 是入场券，实战才是成绩单
Step 5 Preview 明确聚焦 Coding、软件工程、专业知识及金融场景，主打长上下文、多轮工具调用与持续执行能力。其原生支持 1M 上下文，可容纳整个代码仓库或数据室，致力于像靠谱员工般接手复杂项目。
一句话生成可玩 3D 飞行游戏
在代码能力实测中，要求仅用单文件 HTML 和 three.js 库开发一款街机风格低多边形 3D 飞行游戏。Step 5 Preview 耗时 20 余分钟生成上千行代码，直接可运行。
- 画面表现：自编写着色器实现动态海面起伏、阳光反射及雾气效果，视觉体验出色。
- 操作手感：具备自动回正、动态视野拉伸及碰撞反馈机制，节奏流畅。
- 细节完善：主动添加光柱指引、粒子特效、计分系统及冷却条，无需人工修改即可达到生产级标准。
长程 Agent：12 份合同审查零遗漏
面对 12 份中英文合同对照 10 条法务标准进行审查、计算续约日期并撰写修订函的复杂任务，Step 5 Preview 展现了卓越的长程稳定性。
- 精准度：120 个判断点全部命中，额外识别出隐藏条款风险，第 12 份合同审查细致度与首份一致。
- 深度洞察：成功揪出附件中的违规项，并基于逻辑推导指出错过退出窗口及通知期冲突等潜在风险。
- 逻辑闭环：输出的修订函、续约清单与总结报告三者数据互相咬合，逻辑严密。
Deep Research：多源冲突信息下的逻辑推理
在处理 9 份数据冲突的公司材料时，模型自主建立七级信源优先级规则（如审计报告优于新闻稿），并严格执行。
- 规则优先：在 CEO 采访与官方更正声明冲突时，依据规则采纳后者，并解释数值差异原因。
- 异常发现：通过反推营收数据，发现增长率背后的季节性异常，列为关键风险点。
- 过程透明：所有结论均精确引用至具体文件行号，推理过程清晰可查。
金融尽调：模拟专业投资经理工作流
基于 B 轮公司数据室（含财务报表、流水、股权表等），Step 5 Preview 完成了尽调备忘录与勾稽底稿的编制。
- 数据精确：收入、回款等核心财务指标精确到元，底稿公式可追溯源头。
- 风险识别：核出增速、毛利率及客户集中度等 6 处数据不符，并剔除股东借款等非经营性流入，还原真实现金流状况。
- 关联挖掘：通过跨文档比对，发现未披露的关联交易（CEO 配偶收取高额咨询费）及成本倒算嫌疑。
此外，阶跃自建 FinStepBench 评测体系并结合外部 FrontierFinance 测试，Step 5 Preview 在实时检索、估值建模及完整研究流程中均表现优异。
反直觉技术路线：窄而深的效率进化
Step 5 Preview 采用稀疏 MoE 架构，总参数 600B，激活参数仅 27B，原生支持文本与视觉输入，上下文长度达 1M。阶跃并未盲目追求参数量，而是探索“能力×效率”的最优解。
Narrow but Deep：强化长程信息传播
针对复杂 Agent 任务中的多跳依赖问题，模型将 Transformer 深度增加至 92 层，通过“窄而深”架构延长信息在 Prefill 阶段的传播路径。为此，团队对 Hidden State、RMSNorm 及梯度进行了专项优化，解决了深层网络的训练稳定性难题。
多层面稀疏设计：Sparse MoE ++ Sparse GQA
引入 Sparse GQA 机制，在百万 token 长上下文中仅挑选相关历史信息参与注意力计算，大幅降低计算开销，实现“只看该看的地方”。
系统效率打通：从算法稀疏到硬件加速
为解决稀疏计算带来的 GPU 利用率碎片化问题，Step 5 Preview 采用 Block-wise Token Merging 技术，将索引与选择成本降低 8 倍，并通过合并相邻 Token 的 Top-k 结果，显著提升推理效率。
面向 Agent 的训练体系
构建由 Agent 参与样本生成、任务设计及难度控制的动态训练闭环，加入 Anti-hacking 机制防止模型利用评测漏洞。同时，通过 Context Compaction 与细粒度奖励分配，优化长轨迹学习能力，确保模型在有限上下文中持续推进长任务。
从 Flash 到旗舰：效率基因的连续演进
回顾阶跃技术演进史，“效率优先”贯穿始终：
- Step 3.5 Flash：196B 总参/11B 激活，成为吉利整车智能体核心。
- Step 3.7 Flash：加入原生视觉能力，斩获多项多模态榜单全球第一。
- Step 5 Preview：600B 总参/27B 激活，激活比例更低，能力跃升至旗舰级，上下文扩展至 1M。
阶跃证明了高效率设计与高智能上限并不对立，成功将 Flash 级别的效率优势延伸至旗舰模型，推动大模型竞争从单一规模 Scaling 转向综合能力与效率的比拼。
体系级选手的重新入场
阶跃此次不仅发布了基座模型，更亮出了三张体系级王牌：
前沿基座能力确认
Step 5 Preview 以 AA 智能指数 44 分、全球开源前三的成绩，重新确立了阶跃在旗舰模型研发领域的领先地位。
全模态矩阵补齐
近期发布的 StepAudio 3 系列中，Realtime 版本拿下语音交互榜全球第一，ASR 词错误率并列全球第一。结合 Step Edge、StepGUI 及 Step1X 等模型，阶跃已构建起完整的全栈多模态布局。
终端量产与数据飞轮
这是阶跃最独特的护城河。其模型手机装机量超 4200 万台，日均服务近 2000 万人次，覆盖超半数中国头部手机品牌；在汽车端深入吉利整车智能体合作。搭载 Step AOS 的大模型原生手机 STEPX Neo 更通过国标 L3 级测试。
海量的真实终端数据构成了纯 API 厂商难以企及的数据飞轮，持续驱动模型在噪声环境、低算力条件下的迭代。面对即将到来的 Personal Agent 战场，阶跃凭借“模型 + 系统 + 终端”的闭环生态，已提前卡位。
随着 Step 5 Preview 的发布，大模型竞争已进入涵盖基础能力、全模态体系、终端落地及商业闭环的系统性竞赛新阶段。阶跃正以高效的差异化路径，驶入生产级 Agent 模型的核心竞争区。
编辑：所罗门
