引言

一款面向真实世界任务的新一代基座模型正在把行业竞争焦点从“堆算力”转向“智能效率”。9月20日，阶跃星辰发布旗舰模型 Step 5 Preview，定位为可持续处理复杂任务的“主力工作模型”，在AA综合智能指数中进入全球开源前三，并宣布将于10月15日正式开源。更具冲击力的是，官方称其单任务成本约为 Claude Opus 5 的八分之一。这一组数据背后，映射出大模型从“更大”向“更省、更稳、更用得上”的范式迁移。

技术与架构：用稀疏激活把“能力密度”拉满

Step 5 Preview 的技术画像很清晰：稀疏 MoE 架构、总参数量约 600B、激活参数仅 27B，支持 100 万 Token 的超长上下文，并原生支持文本与视觉输入。核心指向，是用“稀疏激活 + 长上下文 + 多模态”在成本受控的前提下，提升任务完成质量与范围。

• 稀疏 MoE 的意义
  稀疏专家网络通过对每个Token仅路由少数“专家”，以较小的激活规模换取大容量参数空间。这种设计的价值不只是降本，更是“能力密度”的提升：在不同任务子域，专家集群可提供更合适的表征与推理路径，从而在复杂、异构场景中保持稳定输出。27B 的激活规模意味着推理成本接近单体 30B 级模型，但可调用的“潜在能力”则远超这一量级。

• 100万 Token 长上下文
  对软件工程与专业知识工作，长上下文常常比“更强推理”更重要：它能把大型代码库、跨部门规范、审计报告、市场研究与图表直接纳入同一会话。长上下文并不等于一劳永逸，如何在百万级窗口内保持注意力衰减可控、关键信息高权重，是工程难点。Step 5 Preview 在此维度的落地，意味着更少的“拆分/检索”工程、更多的端到端推理与规划能力。

• 原生多模态
  视觉理解的原生接入使其适配金融图表解读、产品文档与界面分析、图文并重的知识工作流。对Agentic场景而言，这让“观察—推理—行动”的闭环更完整，避免在多工具间频繁转换带来的性能损耗。

从 Step 3.5 Flash、Step 3.7 Flash 延续到 Step 5 Preview，可以看到厂商在“把计算转化为智能”的效率曲线上持续迭代：不是简单追求更大的 FLOPs，而是在路由、专家容量、对齐与工具调用中挖掘单位计算的边际收益。

面向 Agent 的能力：从“能写”到“能交付”

官方定位明确强调真实世界的 Agentic 任务。这一范式的关键，不只是语言生成质量，更是长程规划、工具协作、状态管理与稳健性。Step 5 Preview 的能力布局指向以下维度：

• 长期规划与任务分解
  在复杂软件工程任务（特别是跨多模块、长时程的规划）与专业知识工作中，模型需要能生成可执行的计划、在执行中自检与纠偏，并在上下文内维护“项目态势”。百万上下文与稳健的规划策略，使其更适合跨天/周的持续任务。

• 工具与函数调用
  面向工程与金融，函数调用/工具链接入是必备。关键在于：调用决策是否可解释、错误是否可快速收敛、跨工具的状态是否一致。MoE 结构在多子域任务上的“专家化”倾向，理论上有利于提升工具选择的准确性与一致性。

• 专业工作流覆盖

• 软件工程：仓库级代码检索与重构、跨语言迁移、CI/CD 配置与测试修复。
• 专业知识：法规/合规审查、标准操作规程生成与对齐、科研文献综述与对比分析。
• 金融场景：文本与图表混合的研报解读、策略归因分析、风控条款审阅与异常检测。

与“能写代码”的常规能力相比，“能交付”的关键是稳定性、可追踪性与成本控制。Step 5 Preview 的设计重心，正是将这些工程属性变成模型能力的一部分。

成本、效率与帕累托前沿：把“单位任务智价比”拉直

AA 综合智能指数进入开源前三，说明其综合能力已可与一线开源阵营比肩。更具争议但也更有讨论价值的是“单任务成本为 Claude Opus 5 的 1/8”这一表述。抛开不同厂商的计费与硬件差异，讨论更有意义的指标是“单位任务智价比”——在给定预算下，能交付多少具备SLA的真实任务。

• 稀疏 MoE 的经济性
  激活参数 27B 的推理负载，使其在企业级部署中更具可行性：
• 更容易在中等规模集群上线，降低吞吐扩展门槛；
• 在长上下文场景下，结合分块路由与高效KV缓存策略，整体成本可控；

• 对比同等能力的致密大模型，MoE 架构在吞吐/延迟之间提供更具弹性的选择空间。

• 帕累托前沿外推
  将 intelligence index 与单任务成本的平衡向外推，相当于让“同样的钱，买到更多可靠智能”。这不仅意味着单点能力强，还意味着在多场景、多时程任务上的稳定可用。对企业而言，关键不在峰值分数，而是“长期任务的交付曲线是否平稳”。从连续三代模型的策略来看，这条曲线正在变得更可预期。

• 成本与风险提示
  长上下文并非万能解药：

• 文档越长，错误聚焦与幻觉的风险也可能放大，需要在检索与长窗之间动态权衡；
• MoE 的专家平衡与路由稳定依赖良好的训练与对齐，边界场景下仍需工程监控与回退策略。
  这类工程现实并不削弱其“智价比”的提升，反而提示采用方在部署时应将评测从“基准分数”扩展到“全链路SLA”。

开源与生态：把能力变成可复用的基础设施

正式开源的承诺意味着更多团队能够在相对低成本下获得强基座，并在此之上构建垂直能力。对生态的潜在推动包括：

• 提升开源阵营的高端供给，缩小与闭源旗舰在复杂任务上的差距；
• 促进工具链、Agent 框架与评测基准的“以终为始”迭代，围绕长时程任务与多模态场景重构范式；
• 让中小团队以“开源基座 + 领域微调 + 工作流工程”的方式获得可交付的智能体系统。

如果开源不仅包含权重，还涵盖推理优化、长上下文策略与安全对齐细节，生态正反馈会更快，评测与生产的距离也会缩短。

影响与展望

Step 5 Preview 把“能力、成本、效率与场景覆盖”作为同一条曲线来优化，向外推动了行业的帕累托前沿。对于企业与开发者，这意味着：

• 以可承受的成本上线可交付的 Agent，缩小从 Demo 到生产的落差；
• 在长上下文与多模态驱动下，更多真实工作流可被端到端自动化；
• 开源推进带来更丰富的工具链与评测方法，逐步以“智价比”和“SLA稳定性”作为核心指标。

仍需关注的挑战包括：长时程任务的鲁棒性边界、跨工具状态一致性、对齐与安全策略的可审计性，以及在高负载下的吞吐/延迟管理。但趋势已然清晰：下一阶段的竞争不再只比“更大”，而是比“更省、更稳、更可落地”。当“智能效率”成为主赛道，Step 5 Preview 这类面向 Agent 的主力工作模型，将成为企业智能化基础设施的重要一环。

标签： 大语言模型 MoE 长上下文 AI编程 开源模型