10月15日，阶跃星辰按此前承诺释放旗舰模型Step 5 Preview的完整权重，模型正式全量开源。这是一款面向真实世界智能体任务的基座模型，采用稀疏混合专家架构，总参数量600B，单token激活仅27B，激活占比约4.5%；支持100万token上下文窗口，原生兼容文本与视觉双输入，重点覆盖AI编程、软件工程、专业知识工作与金融分析等场景。
从评测看，Step 5 Preview在Artificial Analysis智能指数中拿到44分，跻身全球开源模型前三。更值得注意的是单任务成本：官方称其仅为Claude Opus 5的八分之一，而API定价为每百万输入token 1美元、输出2.7美元。在Agents' Last Exam的CLI子集ALE-CLI、金融投资研究评测FrontierFinance与深度研究评测DRACO上，其表现仅次于GPT-6 Astra或Claude Opus 5，领先其他参评的开源模型。
稀疏MoE的算术并不复杂：600B的总参数决定了模型的知识容量，27B的激活量决定了每次推理的算力开销。理论上，这让模型既有大模型的广度，又只有中等模型的延迟与成本。但要清醒的是，参数池大不等于部署轻松——完整权重仍需被存储并分布在硬件上，显存需求、互联带宽与路由效率，仍是自建部署绕不开的门槛。
Step 5 Preview把百万级上下文作为主打，瞄准的是长时程代理任务：软件工程代理的一次交互里，可能塞进仓库代码、需求文档、issue历史、执行日志、测试输出与多轮失败尝试；金融研究则要容纳大量公告、报告与中间分析。上下文越长，保留历史的空间越大，但预填充的计算量与延迟也水涨船高，成本与体验之间存在明显取舍。
从开源格局看，国产模型正密集释放旗舰权重。此前DeepSeek、Qwen与MiniCPM等团队接连开源，Step 5 Preview的加入进一步抬高了开源阵营的能力上限与性价比水位。当头部开源模型的智能指数逼近闭源前沿、单任务成本却只有其零头，企业在选型时的天平会明显倾斜，闭源模型必须持续给出更强的理由。
短期看，权重落地让开发者可以直接部署、评测与二次微调，而不必只依赖API。长期看，旗舰模型开源正在改变产业分工：前沿能力不再由少数厂商独家掌握，竞争重心会从有没有强模型，转向谁的工程与场景做得更好。开源与闭源之间那条线，正在被一次次权重发布重新划定。
