9月20日，阶跃星辰发布了Step 5 Preview。官方称，这是一款稀疏MoE模型，总参数量600B，激活27B，100万上下文，原生视觉输入。
【资料图】
ArtificialAnalysis榜单称，Step 5 Preview综合智能指数44分，与KimiK3打平。K3总参数量2.8T，激活1040亿。相比之下，Step 5 Preview的激活规模低得多。
整体来看，这倒不是一个“小模型逆袭”的故事。因为Step 5 Preview真正的卖点只有一句话：便宜。01
领先，但有点偏科
7月发布会上，阶跃星辰端出了StepAOS，一个从零搭建的智能体原生操作系统，同时还有STEPXNeo手机和个人智能体Amoo。
公司董事长印奇表示，传统操作系统是为“人操作机器”设计的，智能体在里面只能是访客。StepAOS要把系统功能拆成原子能力，把用户数据统一成语义文件，把记忆召回压到15毫秒以内。
这就需要一个能在后台稳定调用工具、维持长上下文、出错重试成本极低的执行引擎。比起在GPQA上刷最高分，也不需要生成视觉精美的网页，它更需要的是可靠完成“打开表格、提取数据、撰写邮件、发送”这类任务。
阶跃星辰对Step 5 Preview的定位也印证了这一点：“过去，大模型Scaling的核心逻辑是用更多计算换取更强智能。但随着模型规模和任务复杂度持续增长，计算成本也被同步放大。Scaling的核心关注开始变成：如何更高效地把计算转化成模型能力。”
当然，阶跃星辰并没有明确把Step 5 Preview的低激活路线和StepAOS的需求绑在一起。但从战略方向看，两者吻合度很高。
看性能。
KimiK3相比，Step 5 Preview在公布的8项核心评测里全部领先。但领先幅度差很多。Terminal-Benchv4，Step 5 Preview是33.3%，K3只有12.6%，差了20个百分点。这是真正的碾压。DeepSWEv1.1，Step 5 Preview是67.7%，K3是67.5%，基本打平。StepCodeBench，Step 5 Preview是49.0%，K3是43.9%。GDPval-AAv2，Step 5 Preview是1571，K3是1548。
也就是说，Step 5 Preview用四分之一的激活参数，在综合指数上追平了K3。它也不是在所有维度上都更强，而是在特定维度上拉开差距，在其余维度上打平。
跟Claude Opus 5比，StepCodeBench上，Step 5 Preview落后近15分。Terminal-Bench v4上，落后近19分。GDPval-AA v2上，落后164分。只在ALE-CLI一项上以29.5比28.6微弱反超。
更关键的指标是任务成本。阶跃星辰称，Step 5 Preview输出价格约3美元/MToken，Step 5 Preview单任务成本是ClaudeOpus5的八分之一，K3的五分之一。所以阶跃这次更像是在K3和ClaudeOpus5之间，切出一个“够用且便宜”的生态位。
为了验证Step 5 Preview的真实能力，我们给它安排了一个3D网页游戏开发任务。
经过一个多小时的持续交互，它生成了一个能跑、能操作的HTML文件。但结果跟官方showcase差距巨大。官方演示里的3D游戏赛道清晰、透视干净、UI信息层级分明；复现出来的版本，存在严重的视觉模糊、光晕过载、卡顿问题，基本没法正常游玩。
这个结果大概划出了Step 5 Preview的一项能力短板：逻辑生成和长程迭代可以完成，前端视觉渲染和性能调优有所不足。
它确实能连续工作一个多小时不放弃。这一点跟官方宣传的连续运行22小时优化GPUKernel、3000轮宝可梦的案例一致。但至少根据它在前端视觉和性能调优上的短板，说明这个模型的能力光谱是明显偏科的。
当然，前端渲染质量跟“低激活路线”没有必然因果关系。低激活影响的是推理成本和知识容量，前端渲染更多跟训练数据分布和任务优先级有关。
StepAOS需要的不是漂亮的网页，是可靠的Agent执行。Step 5 Preview的训练预算大概率被集中在了工具调用、终端操作、错误恢复这些“干活才需要的能力”上。这也解释了为什么它在Terminal-Bench上能领先K3二十个百分点，却在StepCodeBench上落后Opus5近十五分。
偏科并非坏事，但得承认它偏科。
02
低激活模型真的是未来方向吗？
从产业趋势看，低激活、高效率模型的崛起几乎是必然的。端侧AI正在从“能跑起来”走向“更好用”。苹果在WWDC2026上发力端侧模型，谷歌Gemma 412B也已经能在笔记本上运行。边缘计算场景要求低延迟、高可靠、本地部署，云端调用的网络延迟满足不了需求，低激活模型是更现实的选择。
Omdia在4月的数据中称，自2021年以来，前沿模型的参数规模年增长率只有约5%。而2019到2021年，这个数字超过100倍。可见，堆参数的阶段，基本结束了，行业重心正在转向小模型和效率优化。
智谱联合创始人唐杰8月在X上也说：行业曾经集中追逐万亿参数模型，事后看，是整个行业共同经历、又共同折返的一段弯路。模型能力依然在提升，但提升速度正在放缓，单纯扩大规模带来的收益正在下降。
对于模型能力的“提升”，行业里大概分成两条路：一条是把模型做小，总参数量压到几十B以内，目标是端侧和边缘场景。阿里千问、智谱、Meta都走过这条路线，追求“让模型跑在离用户更近的地方”。第二是把激活做小。总参数量还是很大，但每次推理只调用一小部分参数。MiniMax M2.5激活10B，阶跃Step 5 Preview激活27B，都是这条路线，追求“让每次调用都更便宜”。
两条路都在提效，但完全不是一回事。前者解决“能不能在本地跑”，后者解决“在云端跑长任务划不划算”。
Step 5 Preview就属于后者。它的总参数量虽远小于K3，但依旧跟“小模型”没有半点关系。智谱GLM-4.7-Flash总参数量30B；阿里千问0.8B、2B、4B，那是端侧。Step 5 Preview的总参数量是它们的几十倍甚至上百倍。
阶跃星辰在这个分工里选了一个位置：它不做最大的模型，也不做最聪明的模型。它做的是在可接受成本内能跑完长任务的模型。
但这个生态位的边界，取决于两个变量，首先是Agent任务对推理深度的真实需求，如果任务越来越复杂，低激活模型可能不够用。其次是端侧算力的增长速度。如果端侧算力快速提升，云端低激活模型的成本优势可能被削弱。
风险同样清晰。如果StepAOS跑不起来，如果开发者不愿意适配，如果设备厂商不预装，Step 5 Preview的“便宜耐用”就失去了应用场景。
一个操作系统需要的不是“够用的模型”，是“好用的模型”。而目前Step 5 Preview在实测中暴露的工具调用失败、上下文漂移、前端渲染短板，距离“好用”还有距离。
Step 5 Preview并不算完美。但在一个所有人都想做大模型的年份里，阶跃选择用一个低激活、低成本的模型来支撑一个大系统。这个选择本身，就是它找到的生态位。至于这个位置能不能坐稳，就看StepAOS到底能不能真正跑起来。
（转载自第四波）
