TL;DR
Step 5 Preview adalah model AI unggulan dari StepFun untuk rekayasa perangkat lunak, riset keuangan, dan alur kerja agen yang kompleks. Model ini memadukan kinerja tugas yang kompetitif dengan inferensi yang hemat biaya, meski hasilnya bervariasi di berbagai tolok ukur. Pengembang dapat mengaksesnya melalui API yang di-host atau menerapkan bobot terbukanya, tergantung anggaran, infrastruktur, dan kebutuhan performa.
Key Takeaways
- Arsitektur: Step 5 Preview menggunakan arsitektur MoE jarang (sparse) dengan total 600B parameter dan 27B aktif per token, menyeimbangkan kapasitas model dan efisiensi inferensi.
- Dukungan konteks dan multimodal: Model mendukung jendela konteks 1M token, input teks, gambar, dan video, serta hingga 64K token output melalui API yang di-host.
- Performa tolok ukur: Step 5 Preview meraih 67,7% pada DeepSWE v1.1 dan 66,4% pada FrontierFinance, meski tertinggal dari beberapa pesaing di Terminal-Bench v4.
- Harga API: StepFun mengenakan biaya $1,00 untuk input yang tidak di-cache, $0,10 untuk input yang di-cache, dan $2,70 untuk output per satu juta token.
- Fleksibilitas penyebaran: Pengembang dapat mengakses Step 5 Preview melalui API yang di-host oleh StepFun atau mengelola bobot yang dirilis sendiri menggunakan kerangka kerja seperti vLLM, SGLang, dan Transformers.
What Is Step 5 Preview?
Step 5 Preview adalah model penalaran multimodal besar yang dikembangkan oleh StepFun (阶跃星辰). Model ini menargetkan beban kerja yang membutuhkan penalaran panjang, eksekusi alat berulang, dan analisis atas koleksi informasi besar. StepFun menyediakan akses API yang di-host dan mempublikasikan bobot model yang dapat diunduh.
Berbeda dari asisten tujuan umum yang dioptimalkan terutama untuk respons percakapan, Step 5 Preview menekankan eksekusi berbasis agen: kemampuan untuk merencanakan, menggunakan alat, memeriksa hasil perantara, memperbaiki kesalahan, dan terus bergerak menuju tujuan yang kompleks.
Key Specifications
Model card resmi mendokumentasikan arsitektur sparse, jumlah parameter, dan konfigurasi penyebaran. Spesifikasi API yang di-host secara terpisah mendefinisikan input yang didukung, batas generasi, dan fitur penyajian. Ini adalah lapisan berbeda dari kontrak penyebaran.
API yang di-host mendokumentasikan output maksimum 64k token, sementara kartu model mencantumkan kemampuan generasi urutan hingga 1M token. Yang terakhir bukan janji bahwa endpoint yang di-host menerima penyelesaian 1M token. Untuk contoh vLLM yang di-host sendiri, anggaran urutan 1M token yang dikonfigurasi mencakup input dan output bersama; kapasitas memori KV-cache dan konkurensi dapat mengurangi kapasitas yang dapat digunakan.
How the 600B/27B MoE Architecture Works
Transformer dense konvensional mengaktifkan sebagian besar parameter model selama inferensi. Step 5 Preview justru menggunakan perutean sparse untuk memilih expert yang relevan. Dengan sekitar 27B parameter aktif dari 600B, sekitar 4,5% dari total jumlah parameter berpartisipasi dalam perhitungan token tipikal.
Perbedaan ini membantu menjelaskan strategi efisiensi biaya model. Namun, 27B aktif tidak berarti jejak penyebaran 27B. Seluruh bobot expert tetap harus disimpan dan diakses, sehingga kapasitas memori GPU, paralelisme expert, dan bandwidth interkoneksi menjadi pertimbangan penting.
Supported Inputs and Output Limits
API yang di-host menerima teks, gambar, dan video, dengan jendela konteks hingga 1M token dan output maksimum 64k token. Input ini mendukung tugas seperti analisis repositori, riset dokumen keuangan, dan interpretasi visual. Untuk penyebaran mandiri, panjang urutan yang dapat digunakan bergantung pada konfigurasi runtime, memori yang tersedia, dan konkurensi.
Dukungan multimodal dan kapabilitas API dapat berbeda antara konfigurasi yang di-host dan yang di-deploy sendiri.
How Does Step 5 Preview Perform on Benchmarks?
Berikut adalah hasil yang dilaporkan StepFun. Step 5 Preview menggunakan pengaturan High; model pembanding menggunakan Max. Menyamakan nama label tidak menetapkan compute yang setara, dan skor yang dipublikasikan ini tidak mengukur latensi aplikasi atau biaya per tugas yang berhasil.
Bagan resmi asli merangkum hasil evaluasi penerbit. Tabel di bawah mengekstrak skor pengodean, penalaran, dan keuangan yang relevan untuk analisis ini.
Coding and Agentic Performance
Skor berupa persentase, dengan nilai lebih tinggi menunjukkan performa lebih baik pada setiap tolok ukur. DeepSWE v1.1 menggunakan kerangka SWE-agent dengan temperature=1.0 dan top_p=0.95; StepCodeBench melaporkan avg@4, sementara ProgramBench melaporkan tingkat kelulusan. Setiap tolok ukur mengukur tugas berbeda dalam pengaturan evaluasi masing-masing, sehingga persentase tidak dapat dipertukarkan sebagai ukuran akurasi. Perbandingan yang dipublikasikan tidak menetapkan perangkat keras atau anggaran eksekusi yang identik di seluruh model.
Pada DeepSWE v1.1, Step 5 Preview mencetak 67,7%, sedikit melampaui Kimi K3 dan GLM-5.3. Ini menyiratkan performa kompetitif untuk agen pengodean yang bekerja dengan repositori dan tugas rekayasa perangkat lunak otomatis.
ProgramBench memberikan sinyal positif lainnya. Step 5 Preview mencapai 80,5%, dibandingkan 77,8% untuk Kimi K3 dan 72,0% untuk GLM-5.3.
Namun, Terminal-Bench v4 mengungkap keterbatasan bermakna: hasil 33,3% Step 5 Preview tertinggal dari GLM-5.3 di 41,9%, sementara GPT-6 Astra mencapai 57,9%. Implikasinya adalah Step 5 Preview kompetitif dalam rekayasa perangkat lunak berorientasi repositori, tetapi keunggulannya relatif tidak meluas secara seragam ke eksekusi berbasis terminal dan debugging kompleks.
Reasoning and Knowledge Performance
Step 5 Preview mencetak 93,5% pada GPQA Diamond, setara dengan Kimi K3 dan tertinggal dari GPT-6 Astra di 96,1%. Pada AA-LCR v1.1, hasil 88,3% sedikit di bawah Kimi K3 (88,7%) dan di atas GPT-6 Astra (80,7%). Model ini juga tertinggal dari Kimi K3 dan GPT-6 Astra pada Humanity’s Last Exam dan CritPt. Hasil ini menunjukkan pengetahuan dan penalaran konteks panjang yang kompetitif, dengan kekuatan relatif yang bervariasi menurut tugas.
Financial Research and Valuation Performance
Riset keuangan adalah salah satu area aplikasi paling khas dari Step 5 Preview. Model ini dirancang untuk menggabungkan penalaran kuantitatif, pengambilan bukti, dan analisis terstruktur. Kapabilitas ini sangat relevan untuk valuasi, interpretasi dokumen keuangan, dan riset investasi.
StepFun memperkenalkan FinStepBench untuk mengevaluasi riset keuangan di beberapa tahap, dari pengumpulan informasi hingga menghasilkan kesimpulan yang dapat dipertanggungjawabkan.
Skor yang lebih tinggi menunjukkan performa tolok ukur yang lebih kuat. FinStepBench dikembangkan oleh StepFun, sehingga validasi independen sangat penting.
Step 5 Preview mencapai 66,4% pada FrontierFinance, melampaui Kimi K3, GLM-5.3, dan GPT-6 Astra dalam konfigurasi yang dilaporkan. Namun, Claude Opus 5 tetap di depan dengan 69,7%.
Hasil FinStepBench DeepResearch sangat mencolok. Step 5 Preview meraih 55,8%, dibandingkan 48,9% untuk Kimi K3 dan 53,3% untuk GLM-5.3. Ini mengindikasikan bahwa model mungkin cocok untuk alur kerja riset keuangan yang membutuhkan pengambilan, sintesis, dan analisis berkepanjangan.
Skor CorporateValuation menunjukkan cerita yang lebih bernuansa. Di 60,6%, Step 5 Preview tertinggal dari 77,3% milik GPT-6 Astra dengan selisih besar. Oleh karena itu, Step 5 Preview tidak boleh dianggap unggul secara universal untuk analisis keuangan. Peringkat relatifnya lebih kuat pada DeepResearch dibandingkan CorporateValuation, mendukung evaluasi spesifik tugas alih-alih klaim luas tentang superioritas finansial.
Untuk aplikasi produksi, output keuangan tetap membutuhkan perhitungan yang divalidasi secara independen, asumsi terdokumentasi, dan bukti pendukung yang dapat ditelusuri.
Step 5 Preview vs Other AI Models
Step 5 Preview bersaing dengan alternatif yang di-host maupun layanan frontier proprietari. Hasil tolok ukur membantu mengidentifikasi kandidat model; akses API, dukungan input, kontrol penyebaran, dan biaya beban kerja aktual menentukan kandidat mana yang cocok untuk aplikasi produksi.
CometAPI menawarkan akses ke Kimi K3, GLM-5.3, GPT-6 Astra, dan Claude Opus 5. Alternatif ini menyediakan titik perbandingan yang berguna untuk kualitas beban kerja, latensi, dan biaya.
Step 5 Preview menawarkan checkpoint MoE sparse 600B yang terdokumentasi dan opsi penyebaran bobot terbuka. Untuk alternatif, ketersediaan bobot, jumlah parameter, batas konteks, dan input yang diterima bergantung pada model dan endpoint. Tolok ukur yang dipublikasikan dapat membantu membangun daftar pendek; tugas pengodean dan riset yang representatif akan mengungkap bagaimana tiap layanan berperilaku dalam praktik.
Step 5 Preview vs Kimi K3
Step 5 Preview tampil sedikit lebih baik pada DeepSWE v1.1, ProgramBench, dan FrontierFinance. Kimi K3 tetap kompetitif dalam penalaran dan beberapa evaluasi teknis lainnya. Perbedaan praktisnya kurang tentang keunggulan kecerdasan yang tegas dan lebih tentang biaya, kondisi penyajian, dan keandalan spesifik tugas yang tersedia bagi pengembang.
Step 5 Preview vs GLM-5.3
Step 5 Preview unggul dari GLM-5.3 dalam beberapa evaluasi keuangan dan pengembangan perangkat lunak. Namun, skor Terminal-Bench v4 yang lebih kuat dari GLM-5.3 menyiratkan keunggulan dalam tugas terminal yang dilaporkan. Untuk agen pengodean, bandingkan modifikasi repositori yang berhasil, kesalahan pemanggilan alat, waktu eksekusi, dan ketepatan patch alih-alih mengandalkan satu skor agregat.
Step 5 Preview vs GPT-6 Astra and Claude Opus 5
Model frontier proprietari umumnya tampil lebih baik pada tolok ukur rekayasa perangkat lunak yang paling sulit. Daya tarik utama Step 5 Preview adalah mendekati kapabilitas kompetitif pada beban kerja terpilih sambil menyediakan opsi penyebaran bobot terbuka dan harga API yang relatif terjangkau.
Pilih model premium ketika biaya kegagalan tinggi dan peningkatan akurasi tugas menjustifikasi biaya tambahan. Pertimbangkan Step 5 Preview ketika harga, kontrol penyebaran, dan eksekusi agen berulang memiliki bobot lebih besar.
How Much Does Step 5 Preview API Cost?
Nilai Step 5 Preview bergantung pada kapabilitas tugas dan biaya operasi. Alur kerja agen dapat melibatkan puluhan panggilan, pengambilan dokumen berulang, dan percobaan ulang, sehingga harga token yang lebih rendah hanya membantu jika model menyelesaikan tugas dengan andal. Biaya per tugas yang berhasil diselesaikan adalah pelengkap yang berguna untuk tarif di bawah.
API Availability and Token Pricing
Snapshot 19 Oktober 2026 ini membandingkan tarif API native StepFun dengan tarif CometAPI yang ditautkan di bagian perbandingan model. Semua harga dalam dolar AS per satu juta token. Layanan memiliki syarat penagihan, cache, dan endpoint berbeda; “tidak tercantum” berarti snapshot sumber artikel ini tidak menyediakan tarif input di-cache.
Tier konteks pendek GPT-6 Astra berlaku hingga 272.000 token; tarif konteks panjang yang dikutip adalah $16 untuk input dan $60 untuk output per satu juta token. Tarif yang terdaftar tidak termasuk alat, percobaan ulang, dan infrastruktur. Ketersediaan Step 5 Preview melalui CometAPI tidak ditetapkan oleh perbandingan ini; contoh Step 5 Preview di bawah menggunakan endpoint native StepFun.
Tarif input hit cache adalah 90% di bawah tarif tidak di-cache. Harga input yang tidak di-cache mencakup penulisan konten baru ke cache, sementara penagihan output mencakup token penalaran dan jawaban akhir. Teks prompt berulang hanya memperoleh tarif yang lebih rendah ketika layanan melaporkan hit cache yang memenuhi syarat; panjang jawaban yang terlihat saja mengecilkan output yang dapat ditagih.
Example Cost Calculations
Rumus biaya: C = (Tu × Pu + Tc × Pc + To × Po) / 1,000,000, di mana Tu/Tc/To mewakili token input tidak di-cache, input di-cache, dan output yang dapat ditagih, masing-masing, dan Pu/Pc/Po adalah harganya per satu juta token.
Pertimbangkan dua permintaan StepFun dengan input 100.000 token dan output 20.000 token yang sama:
- Cache miss: semua 100.000 token input tidak di-cache. Biaya = (100,000 × $1.00 + 20,000 × $2.70) / 1,000,000 = $0.154.
- Cache hit: 90.000 token input memenuhi syarat untuk tarif di-cache dan 10.000 tetap tidak di-cache. Biaya = (10,000 × $1.00 + 90,000 × $0.10 + 20,000 × $2.70) / 1,000,000 = $0.073.
Contoh hit cache menghemat $0.081, atau sekitar 52,6%, dengan volume input dan output yang sama. Penghematan bergantung pada hit cache yang memenuhi syarat yang dilaporkan oleh layanan. Kedua contoh mengecualikan alat eksternal, percobaan ulang, dan biaya infrastruktur.
Harga token saja tidak menentukan model dengan nilai terbaik. Agen yang membutuhkan beberapa percobaan ulang bisa lebih mahal daripada model berharga lebih tinggi yang berhasil pada percobaan pertama. Untuk perbandingan biaya yang andal, gunakan biaya per tugas yang berhasil diselesaikan di samping harga token.
Is Step 5 Preview Open Source, and Can It Run Locally?
StepFun mempublikasikan bobot yang dapat diunduh melalui repositori resmi Hugging Face, dengan varian FP8, BF16, dan NVFP4 tersedia per 19 Oktober 2026. Akses bobot memungkinkan penyebaran mandiri, tetapi tidak membuat model setara dengan model dense kecil dalam persyaratan memori.
File yang tersedia mencakup checkpoint Step 5 Preview, versi BF16, dan versi NVFP4.
Terminologi penting: Step 5 Preview menyediakan bobot terbuka di bawah StepFun Model License 1.0. Lisensi mencakup atribusi spesifik model dan ketentuan lisensi komersial. Evaluasi ketentuan tersebut untuk penggunaan dan distribusi yang Anda rencanakan sebelum penyebaran.
Local Deployment Requirements
Model card resmi mencantumkan konfigurasi referensi berikut:
- FP8 dengan vLLM: 4 × NVIDIA B300 atau 8 × NVIDIA H200, melayani API kompatibel OpenAI.
- BF16 dengan vLLM: 8 × NVIDIA B300 atau 16 × NVIDIA H200, melayani API kompatibel OpenAI.
- FP8 dengan SGLang: 4 × NVIDIA B300, melayani API kompatibel OpenAI; FP8 dengan Transformers: 8 × NVIDIA H200 untuk generasi offline.
Ini adalah konfigurasi referensi, bukan jaminan minimum untuk setiap checkpoint, runtime, panjang konteks, atau pengaturan konkurensi. Aktivasi sparse mengurangi komputasi, tetapi penyimpanan bobot expert dan memori KV cache tetap menjadi pertimbangan utama.
Model 600B juga menghadirkan tantangan di luar kapasitas memori, termasuk komunikasi multi-GPU, kompatibilitas kerangka kerja, pemuatan checkpoint, dan throughput konteks panjang. Untuk tim tanpa kluster GPU besar, API yang di-host biasanya merupakan titik awal yang lebih praktis.
How Can Developers Use the Step 5 Preview API?
StepFun mendukung antarmuka Chat Completions yang kompatibel dengan OpenAI. Set STEPFUN_API_KEY di lingkungan sebelum menjalankan contoh Python berikut; max_tokens membatasi output yang dihasilkan permintaan ini. Gunakan kunci API dan ketentuan penagihan untuk platform regional yang dipilih: contoh ini mempertahankan endpoint api.stepfun.ai, sementara harga dolar di atas berasal dari platform internasional StepFun.
Contoh Python: kirim permintaan teks berbatas ke API StepFun dan cetak jawaban yang dikembalikan.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["STEPFUN_API_KEY"],
base_url="https://api.stepfun.ai/v1",
)
response = client.chat.completions.create(
model="step-5-preview",
messages=[{
"role": "user",
"content": (
"Analyze the architectural risks of migrating "
"a monolithic application into microservices."
),
}],
max_tokens=4000,
)
print(response.choices[0].message.content)
Sebelum penggunaan produksi, konfirmasi parameter yang diterima dan batas generasi dari endpoint StepFun yang dipilih. Tingkat penalaran, cache prompt, skema alat, dan anggaran output semuanya dapat memengaruhi keandalan, latensi, dan tagihan akhir.
Step 5 Preview in Agent Workflows
- Membaca dokumentasi repositori dan file terkait.
- Mengidentifikasi perubahan yang diminta dan mengusulkan rencana.
- Memodifikasi kode terpilih dan menjalankan pengujian melalui alat eksternal.
- Memeriksa kegagalan dan merevisi implementasi.
- Menghasilkan penjelasan akhir atas perubahan yang divalidasi.
Model menghasilkan penalaran dan permintaan alat; aplikasi menyediakan akses file aktual, lingkungan eksekusi, izin, dan pemeriksaan keselamatan. Kapabilitas model saja tidak menjamin eksekusi otonom.
Alternative Model APIs in CometAPI
CometAPI menyediakan akses ke model alternatif yang ditautkan di atas melalui layanan integrasi bersama. Pilih endpoint dan format permintaan yang didokumentasikan tiap model, lalu bandingkan tingkat keberhasilan, penggunaan token, percobaan ulang, dan latensi ujung-ke-ujung pada beban kerja yang sama.
Contoh di atas menggunakan endpoint native StepFun. Beralih ke gateway memerlukan konfirmasi ketersediaan Step 5 Preview dan pengenal model, endpoint, serta ketentuan penagihan yang didokumentasikan oleh gateway.
When Should You Choose Step 5 Preview?
- Pilih untuk pengodean repositori dan riset dokumen berat ketika pengujian representatif mengonfirmasi hasil yang andal. Jendela konteks panjang serta skor pengodean dan keuangan yang dipublikasikan menjadikannya kandidat, sementara hasil tugas terminal dan valuasi menunjukkan alasan mengapa pengujian spesifik beban kerja penting.
- Pilih API yang di-host ketika Anda ingin mulai tanpa mengoperasikan kluster GPU besar. Bandingkan biaya per tugas diterima, tingkat hit cache, percobaan ulang, dan latensi; jendela konteks besar tidak menjamin respons cepat atau biaya total yang lebih rendah.
- Pilih penyebaran mandiri ketika kontrol penyebaran menjustifikasi beban perangkat keras dan operasi. Anggarkan untuk penyimpanan bobot expert penuh, KV cache, komunikasi multi-GPU, dan persyaratan lisensi. Untuk pekerjaan keuangan atau teknik yang berdampak, sertakan pemeriksaan sumber, deteksi kesalahan, dan tinjauan manusia.
FAQ
How should you choose Step 5 Preview’s reasoning effort?
Mulailah dengan set kecil tugas representatif dan bandingkan rendah, sedang, dan tinggi menggunakan kriteria penerimaan yang sama. Catat ketepatan, output yang dapat ditagih, latensi, dan kegagalan alat. Gunakan pengaturan terendah yang secara konsisten memenuhi ambang kualitas; skor benchmark High yang dipublikasikan tidak memprediksi perilaku rendah atau sedang. Ikuti panduan konfigurasi penalaran dan set reasoning_effort secara eksplisit pada Chat Completions saat membandingkan konfigurasi.
Why can a Step 5 Preview request stop before 64k output tokens?
Batas maksimum yang didokumentasikan adalah plafon, bukan target panjang. Permintaan dapat berhenti lebih awal karena mencapai anggaran max_tokens, berhenti alami, atau menghasilkan pemanggilan alat yang harus ditangani aplikasi. Periksa alasan selesai yang dikembalikan dan setiap permintaan alat sebelum otomatis mencoba ulang. Jawaban lebih pendek yang selesai tidak menunjukkan kegagalan jendela konteks.
How should you test Step 5 Preview video inputs?
Mulailah dengan klip pendek yang representatif dan pertanyaan yang jawabannya dapat Anda verifikasi. Spesifikasi input video API yang di-host menerima video melalui URL, Base64, atau referensi stepfile; format yang didokumentasikan mencakup MP4, QuickTime, dan Matroska. Untuk input URL, dokumentasi mensyaratkan file MP4 individual di bawah 128 MB dan merekomendasikan kurang dari lima menit. Konfirmasikan batas format dan ukuran sebelum melakukan batch, dan uji pertanyaan temporal serta pengenalan satu frame.
Which metrics reveal Step 5 Preview’s real agent cost?
Ukur penyelesaian tugas yang diterima, total token input dan output di semua giliran, hit cache, percobaan ulang, biaya alat eksternal, dan waktu berlalu. Bagi total biaya run dengan penyelesaian yang berhasil, dengan kriteria keberhasilan tetap di seluruh model. Ini menangkap efek ekonomi dari panggilan lebih murah yang memerlukan lebih banyak percobaan, atau run upaya tinggi yang mengurangi kegagalan berikutnya.
Conclusion
Step 5 Preview layak dievaluasi ketika aplikasi membutuhkan pemrosesan konteks panjang, penggunaan alat berulang, atau kontrol atas penyebaran model. Hasil yang dipublikasikan oleh StepFun menjadikannya kandidat untuk pengodean repositori dan riset keuangan, sementara Terminal-Bench v4 dan CorporateValuation menunjukkan area di mana alternatif yang terdaftar mencetak lebih tinggi. Bandingkan model menggunakan kriteria penerimaan tetap, biaya total per tugas diterima, dan latensi ujung-ke-ujung. Untuk penyebaran mandiri, sertakan biaya infrastruktur dan persyaratan lisensi dalam keputusan.