阶跃发布 Step 5 Preview，大模型开始寻找新的平衡点

过去几年，大模型的竞争点几乎没有悬念：更多参数、更多数据、更多算力，换来更强智能。

Scaling 远没有结束，但当模型开始从 " 回答一个问题 " 走向 " 完成一项可能连续数小时的任务 "，新的竞争点也开始出现：模型当然还是要足够聪明，但只把能力上限推高已经不够了。同样重要的问题是，要用多少计算、多少成本、才能把这些智能更有效率地转化为结果。

换句话说，大模型竞争不仅要继续向上 Scaling，也要不断重塑智能与成本之间的最优边界——帕累托前沿。

阶跃星辰最新发布的旗舰模型 Step 5 Preview，正是把这条前沿，再次向前推进一步。

在 Artificial Analysis 最新评测中，Step 5 Preview 的 Intelligence Index 达到 44 分，达到全球开源模型前二水平；与此同时，其 Intelligence Index 单任务成本约为 0.7 美元。

这种变化首先来自模型本身。它拥有 600B 总参数，但每生成一个 Token，实际只激活约 27B 参数。

在 AA 的测试任务中，它平均生成约 6.4 万个输出 Token，加权平均解码时间约 12.1 分钟。这说明它要解决的并不是如何更快地给出一个答案，而是如何在长时间推理中持续推进任务。

但要判断 Step 5 Preview 是否真的找到了能力、效率和完成度之间的平衡，只看 Benchmark 还不够。还得是实测见真章——

在真实任务里寻找 " 帕累托前沿 "

模型在真实任务中面对的困难并不相同：有些任务考验空间理解和视觉实现，有些考验复杂工程的组织能力，还有一些要求模型处理专业知识、冲突信息与可复核的数字。

我们首先选择制作 3D 互动游戏《我们的岛》，因为 3D 开发是一个很容易暴露模型能力边界的场景。它要求模型同时处理空间结构、几何建模、材质、光影、镜头和交互状态。任何一处修改，都可能引发穿模、遮挡或渲染异常。模型不仅要把功能写出来，还必须不断观察结果、发现问题并调整。

Step 5 Preview 最终交付了一个可以运行的 WebGL 游戏。玩家可以旋转和缩放浮岛，改变时间、天气与音乐，也可以放置建筑、家具、植被和灯光；不同选择还会生成一张 " 品味画像 "，匹配相应的岛屿人格。

更重要的是，游戏中的岛屿、树木、房屋和灯塔没有借助 Blender 等外部建模工具，也没有调用现成的 3D 素材，而是全部由 Step 5 通过代码生成。它第一次交付就搭起了场景、玩法和反馈机制，后续主要调整光影、构图与交互细节，没有推翻原来的架构重新开始。

单看建模精度，它还无法代替专业美术；直接打开本地文件也会卡在加载页，需要通过 HTTP 服务运行。但把生成时间、首次完成度和外部工具依赖放在一起看，Step 5 Preview 已经在较短时间内，把一个原本需要程序、美术和产品协作的任务，推进到了可以运行和继续修改的阶段。

如果说 3D 游戏考验的是模型能否驾驭一个高度耦合的视觉系统，那么 Chrome 扩展测试的则是另一种能力：模型能否理解一个真实软件产品的完整交付标准。

一个网页摘要扩展并不只是做出摘要按钮。它还要适配不同网页，处理长文切分、模型调用、流式输出、原文引用、本地存储和浏览器权限；完成代码后，还要经过测试、构建和打包，才能真正安装使用。因此，我们让 Step 5 Preview 开发了一款 Chrome AI 网页摘要扩展。

最终交付物包含正文提取、长文分段、流式摘要、原文问答、引用定位、历史记录和模型设置，也包含 Manifest V3、Service Worker、扩展安装包、商店素材、隐私政策和权限说明。我们实际操作了摘要、问答和历史页面，主要流程可以正常完成，项目自带的 13 项单元测试也全部通过。

这个案例体现出的不是某一段代码有多复杂，而是 Step 5 Preview 能够理解任务中没有被逐项写明的部分，并把测试、打包和上架材料一起补齐。它交付的是一个结构完整的软件项目，而不是一张只能展示的界面。

最后，我们测试了金融的专业问题，金融场景是 Step 5 Preview 官方重点展示的专业能力之一：阶跃设置了实时信息检索、公司估值和深度研究三类内部金融评测；在外部的 FrontierFinance 测试中，Step 5 Preview 的表现也接近 Claude Opus 5。为了验证这种能力能否进入真实工作流，我们选择让它完成一项英伟达投资分析。

英伟达是一个难度较高的研究对象。公司增长快、财务口径变化多，实际业绩、管理层指引和第三方预期之间还存在大量冲突。模型不能只找到数字，还要判断数字属于哪个时期、使用什么口径，以及哪些信息是事实，哪些只是尚未得到验证的假设。

Step 5 Preview 最终交付了两份 Excel 模型、一份投资备忘录和一份证据清单。它从 SEC 文件、公司财报与电话会记录中提取数据，建立了从历史财务、收入预测到 DCF 和相对估值的完整链条，并通过不同增长率、毛利率和折现率测试估值结果。最终给出的加权目标价为 263.06 美元，较基准股价高 18.4%。

这里真正值得评价的不是 " 买入 " 结论是否正确，而是模型是否留下了可以复核的过程。Step 5 Preview 为关键数字保留了来源，主动列出数据冲突、缺失项和主观假设，也同时给出了乐观与悲观情景。但人工检查仍然发现了个别公式错误，说明它已经能够完成研究、建模和证据整理，最终数字却仍然不能跳过专业人员的审计。

从这些结果看，Step 5 Preview 的特点并不是某一项能力绝对领先，而是能够在较短时间内，把不同类型的复杂任务推进到接近交付的位置。第一次生成已经具备完整框架，后续工作更多是在调整细节，而不是重新解决问题。这正是 " 帕累托前沿 " 在真实任务中的具体表现。

从 Step 5 Preview 看懂阶跃

Step 5 Preview 不只是阶跃对现有模型的一次升级，它也体现了阶跃对下一代模型进化方向的判断：模型可以继续扩大，但真正的突破不能只依靠增加参数和算力，还要让模型思考得更深、让计算真正有效，并让 Agent 进入模型自身的数据与训练循环。

围绕这一目标，阶跃同时调整了模型架构、稀疏计算、数据生产和训练系统。Step 5 Preview 采用 92 层 " 窄而深 " 的设计，希望以更充分的计算深度处理复杂 Agent 任务中的长链路依赖；600B 总参数每个 Token 仅激活约 27B，并通过稀疏注意力等方式减少长上下文中的无效计算。与此同时，Agent 也开始参与高难度训练任务的构建，让真实执行过程中产生的轨迹和反馈重新进入下一轮训练。

这些变化并不依赖某一个单点创新。它要求模型、训练、推理和数据系统围绕同一个目标协同工作，也更考验一家基模公司的综合研发能力。

Step 5 Preview 的发布，因此也成为了一个重新观察阶跃的窗口。过去一个季度，阶跃先后更新 Step Edge、StepAudio 3 和旗舰基模 Step 5 Preview，完成了新一轮模型体系升级。前沿基模继续向上突破，全模态能力覆盖听、说、看、生成和操作，端侧模型则把这些能力进一步带到手机、汽车等真实设备中。

如果说 Step 5 Preview 回答的是 " 模型能够思考到什么程度 "，那么全模态解决的是模型如何感知和理解更丰富的世界，而终端，则决定这些能力能否真正进入人的日常生活。据披露，阶跃模型已经规模化进入超过 4200 万台终端，日均服务近 2000 万人次。对模型而言，这意味着面对的不再只是 Benchmark 和实验环境，而是低时延、复杂噪声、高并发，以及持续发生的真实交互。

前沿基模决定智能上限，全模态拓宽智能边界，终端让智能进入现实。当这三项能力开始同时成熟，Step 5 Preview 的意义也就不再局限于一张榜单或一次模型发布，它更像一个节点：阶跃收束回到 "Frontier 竞争 " 的主线剧情 ，此前在全模态和真实终端上积累的能力，也开始与前沿基模重新汇合。

所以，当大模型竞争从单点能力走向系统能力，对一家基模公司的判断也不再只取决于某一款模型能力多高，而在于它能否持续抵达 Frontier，并把这种能力带到真实世界。

如今，Step 5 Preview 已登场，阶跃的位置，也需要被重新审视了。