開源Top2！實測階躍Step 5 Preview，真有點猛啊…

昨天，階躍星辰毫無預兆地端出了最新一代旗艦基座模型——Step 5 Preview。MoE架構，600B總參數、激活參數僅27B，1M上下文。Agent能力大幅提升，在Artificial Analysis的最新評測中，Step 5 Preview取得44分，直接衝到全球開源Top 2。要知道，其他拿到這一分數的大模型，大多都是萬億參數級別。所以相比起來，階躍這個新模型定價蠻便宜。百萬輸入：1美元 百萬輸出：2.7美元 可以說很有競爭力了，單個任務成本僅為Opus 5的12.5%。下面這張圖更加直觀。

AA榜單中，Step 5 Preview位於Intelligence Index與單任務成本權衡的「帕累託前沿」。說實話，看到這個消息時我有點意外。階躍挺久沒出現在這麼靠前的位置了，之前兩代模型都聚焦在Flash這個檔位。但Benchmark這東西嘛，現在大家也都懂。榜單上你追我趕，今天刷掉一個，明天又冒出來一個。真到要用的時候，模型到底行不行，完全是另外一碼事。所以我幹了一件比較費錢的事： 燒了無數Token，並行跑了無數個3D資產、3D遊戲…… 然後，我發現—— 這模型好像還真可以啊。。。一手實測 最近Astra操控軟件不是很火嗎？

所以API一接上，我直接給Step 5 Preview上強度，讓它操作Blender，給我建一個後室出來。說實話，最開始我沒指望它真能交付出什麼東西。結果等它自己折騰了一個多小時，我打開文件夾，再點開渲染好的MP4，直接看愣了。不er，這啥啊，你擱哪個網站下載的視頻？？建模本身就不說了，離譜的是，它居然自己給視頻加了一堆後期。VHS錄像質感、鏡頭噪點、昏黃燈光，人物走路的時候甚至還有腳步聲。給我看得有點毛骨悚然了，感覺轉角會跳出一個《痴迷》女主。。。所以咱還是做點老少皆宜的demo吧。第二個任務，我讓它照著1999年的《LEGO Racers》，直接搓一個樂高賽車遊戲。這次也挺完整。

賽道、賽車、人機車手、實時排名都有，甚至連發動機音效都給配上了。也是給我玩得不亦樂乎。唯一的問題是，這賽道修得也太窄了。。。也可能主要還是因為我車技菜，經常一腳油門直接創路障上，有時候甚至連人機都跑不過。不過吧，家人們，玩完兩個3D Demo，我是真有點頂不住了。你要知道，我是暈3D的。前面兩個任務搓完，差點沒擱工位上吐出來。。。最後再奉上一個《花屋》建模，接下來咱還是做點簡單的2D任務吧。先做了個霓虹跑酷小遊戲。有意思的是，我專門用了和階躍上一代官網Demo類似的Prompt。結果差距還是挺明顯的。

道路兩旁加了高樓，視覺層次更完整，Game Over之後整個邊框還會跟著變紅，很多Prompt裡沒寫的小細節，它自己補上了。然後我又讓它做了個寫作網站。這裡必須單獨表揚一句。終於不往東坡肉裡塞番茄炒蛋了。淚目。這審美真可以啊，而且覆蓋面特別全，基本能直接拿來用了。不過，有時候還是會出現模塊溢出這種小Bug，依然得review，依然得改。前面幾個Demo也是這樣。第一輪經常有些小細節不到位，離Astra那種「我咧個，這是AI做的？」的癱軟程度，肯定還有差距。但還是能拿來幹活的。通常指出兩三輪問題，它自己修一遍，就能到可用狀態。那麼問題來了。

明明前面兩代還都是Flash，怎麼到Step 5 Preview，Agent能力突然猛了這麼多？把算力花在刀刃上 過去幾年，大模型行業最簡單粗暴的信仰一直是Scaling。更多參數，更多數據，更多算力。確實很猛，Fable直接給Agent堆超模了，湧現出不少新技能點。但問題也很明顯—— 貴啊。。。所以，Step 5 Preview當然也在Scaling，但它沒有把「越大越好」當成唯一目標。團隊選擇了一種叫Narrow but Deep的網絡設計。直譯過來就是： 窄，但深。92層的Transformer，在控制激活規模的同時，讓信息經過更多層連續變換。這對Agent尤其重要。

複雜任務裡，經常會有大量multi-hop依賴，前面搜到的信息，要經過很多步之後才能真正派上用場。網絡更深，相當於給這些信息留下了更長的傳播和推理路徑。但Agent還有另一個麻煩—— Context。幾十輪工具調用之後，上下文能輕鬆滾到上百萬Token。如果每一層都把前面所有內容重新掃一遍，計算量很快就會爆炸。所以團隊做的第二件事，就是稀疏化。Sparse MoE、Hybrid Sparse、Sparse GQA……本質上都是在解決上下文的問題。當然，算法層面寫個Sparse，不代表GPU真的就會少幹活。索引、訪存、調度這些問題處理不好，好不容易省下來的算力，全部會浪費掉。

這還稀疏個啥，稀疏不了一點。所以Step 5 Preview在硬件上也下了不少功夫，通過底層算子和數據訪問優化，讓理論上的Sparse儘量真正變成實際吞吐。有了這套軟硬件基座，後面要做的事就比較清晰了，圍繞Agent訓一遍模型，讓它能連續幹活。簡單來說，如果以前模型的基本單位是「回答」，那現在就變成了「Loop」。規劃、執行、調用工具、看結果、發現不對、繼續修。然後再Loop。最終，通過Long-horizon RL、Context Compaction等方法，團隊讓Step 5 Preview在幾十輪工具調用之後，還能記得自己到底要幹嘛。

到這裡，Step 5 Preview的思路就比較完整了。踩在「性能×成本」的甜蜜點上，把有限的計算預算儘量花在真正影響Agent能力的地方。這也算是階躍一直以來最擅長的事情。從Step 3.5 Flash，到Step 3.7 Flash，再到今天的Step 5 Preview，路線其實沒怎麼變—— 儘可能讓Frontier級能力，大家用得起。階躍，回來了 大模型競賽打到今天，依舊天上一天地上一年，戰場始終瞬息萬變，唯一不變的共識是： Frontier，遠沒有到終局。畢竟，僅僅過去一年裡，頭部模型的王座就不知道換多少次了。。。

新的模型、新的技術路線不斷把能力邊界往前推，曾經足以建立巨大壁壘的領先優勢，很多時候幾個月就會被追平。Stanford 2026 AI Index裡有個數據很有意思。截至2026年3月，Anthropic、xAI、Google和OpenAI四家公司最頂尖的模型，在Arena上的差距已經壓縮到了25個Elo以內。你要知道，GPT剛發的時候，這個差距可遠沒有這麼小。大模型競爭正在進入全新階段： 一方面，Frontier的門檻越來越高；另一方面，Frontier內部又越來越擁擠。單純追逐某一個Benchmark、某一次榜單第一，已經很難定義一家模型公司的長期位置。

今天一個模型需要回答的問題，是更復雜的： 能力有沒有什麼差異化？成本能不能壓下來？Benchmark上的智能，又能不能真正遷移到複雜、開放、長程的真實任務裡？現在各家其實都已經開始瘋狂點自己的技能樹了。K3專攻前端開發，將網頁設計做到極致。V4 Flash打爆性價比，給Flash級模型幹成白菜價。Astra同樣如此，Coding其實沒提升多少，但把Computer use的心智站住了。大家都在尋找自己的那根長板。這次，階躍也給出了他們的答案。向上，發佈旗艦基座，殺回全球第一梯隊。向下，優化效率和成本，讓Agent真正進入大眾生活。大時代啊朋友們。

說實話，這才是AI行業最有意思的地方，要是真靠Scaling解決一切，跟製造業有啥區別啊。我一直覺得，模型層更像是一片參差不齊的竹林。點亮任何一個技能點，都意味著Trade-off。更強的推理、更長的Context、更低的延遲、更少的激活、更強的多模態、更好的Agent能力…… 至少在相當長的一段時間裡，很難有一家模型把所有方向全部點滿。所以技術路線也不會這麼快收斂。只要能找到合適的切口，總會有新模型、新公司的市場生態位。關於AGI的這場馬拉松，遠沒有跑到最後一公里。階躍，回來了。版權所有，未經授權不得以任何形式轉載及使用，違者必究。