TL;DR
Step 5 Preview, yazılım mühendisliği, finansal araştırma ve karmaşık aracı iş akışları için StepFun’un amiral gemisi yapay zekâ modelidir. Görev performansında rekabetçi sonuçları maliyet etkin çıkarımla birleştirir; ancak sonuçlar benchmark’lar arasında değişkenlik gösterir. Geliştiriciler bütçe, altyapı ve performans gereksinimlerine bağlı olarak barındırılan bir API üzerinden erişebilir veya açık ağırlıklarını dağıtabilir.
Key Takeaways
- Architecture: Step 5 Preview, 600B toplam parametre ve token başına 27B etkin parametreyle model kapasitesi ile çıkarım verimliliğini dengeleyen seyrek MoE mimarisi kullanır.
- Context and multimodal support: Model, 1M token’lık bağlam penceresi, metin, görsel ve video girdileri ile barındırılan API’si üzerinden 64K’ya kadar çıktı token’ını destekler.
- Benchmark performance: Step 5 Preview, DeepSWE v1.1’de %67,7 ve FrontierFinance’ta %66,4 elde ederken Terminal-Bench v4’te bazı rakiplerinin gerisinde kalır.
- API pricing: StepFun, milyon token başına önbelleksiz girdi için $1,00, önbellekli girdi için $0,10 ve çıktı için $2,70 ücret alır.
- Deployment flexibility: Geliştiriciler Step 5 Preview’a StepFun’un barındırılan API’si üzerinden erişebilir veya vLLM, SGLang ve Transformers gibi uyumlu çerçevelerle yayımlanmış ağırlıkları kendileri barındırabilir.
What Is Step 5 Preview?
Step 5 Preview, StepFun (阶跃星辰) tarafından geliştirilen büyük bir çok modlu akıl yürütme modelidir. Uzatılmış akıl yürütme, tekrarlanan araç yürütümü ve geniş bilgi koleksiyonları üzerinde analiz gerektiren iş yüklerini hedefler. StepFun, barındırılan API erişimi sağlar ve indirilebilir model ağırlıklarını yayımlar.
Sadece konuşma yanıtlarına öncelik veren genel amaçlı asistanlardan farklı olarak, Step 5 Preview, plan yapma, araç kullanma, ara sonuçları inceleme, hataları düzeltme ve karmaşık bir hedefe doğru ilerleme yeteneği olan aracısal yürütmeye vurgu yapar.
Key Specifications
Resmî model kartı, seyrek mimariyi, parametre sayılarını ve dağıtım yapılandırmalarını belgelendirir. Barındırılan API özellikleri ise desteklenen girdileri, üretim sınırlarını ve servis özelliklerini ayrı olarak tanımlar. Bunlar dağıtım sözleşmesinin farklı katmanlarıdır.
Barındırılan API, 64k token azami çıktıyı belgelendirirken model kartı 1M token’a kadar dizi üretim kabiliyetini listeler. İkincisi, barındırılan uç noktanın 1M token’lık bir tamamlamayı kabul edeceği anlamına gelmez. Kendi barındırılan vLLM örneklerinde, yapılandırılan 1M token’lık dizi bütçesi girdi ve çıktıyı birlikte kapsar; mevcut KV önbelleği belleği ve eşzamanlılık, kullanılabilir kapasiteyi azaltabilir.
How the 600B/27B MoE Architecture Works
Geleneksel yoğun bir dönüştürücü, çıkarım sırasında model parametrelerinin çoğunu etkinleştirir. Step 5 Preview ise ilgili uzmanları seçmek için seyrek yönlendirme kullanır. Yaklaşık 600B toplam parametreden 27B’si etkinleşerek tipik bir token’ın hesaplamasına yaklaşık %4,5’lik bir oranla katılır.
Bu ayrım, modelin maliyet etkinliği stratejisini açıklamaya yardımcı olur. Ancak 27B etkin, 27B dağıtım ayak izi anlamına gelmez. Tüm uzman ağırlıkları yine de depolanmalı ve erişilmelidir; bu nedenle GPU bellek kapasitesi, uzman paralelliği ve ara bağlantı bant genişliği temel hususlardır.
Supported Inputs and Output Limits
Barındırılan API, 1M token’a kadar bağlam penceresi ve 64k token azami çıktı ile metin, görsel ve video kabul eder. Bu girdiler depo analizi, finansal belge araştırması ve görsel yorumlama gibi görevleri destekler. Kendi barındırmada, kullanılabilir dizi uzunluğu çalışma zamanı yapılandırmasına, mevcut belleğe ve eşzamanlılığa bağlıdır.
Çok modlu destek ve API kabiliyetleri, barındırılan ve kendi dağıtımlarınız arasında farklılık gösterebilir.
How Does Step 5 Preview Perform on Benchmarks?
Aşağıdakiler StepFun tarafından raporlanan sonuçlardır. Step 5 Preview High akıl yürütme ayarını kullanır; karşılaştırma modelleri Max kullanır. Aynı etiketi kullanmak eşdeğer hesaplama anlamına gelmez ve bu yayımlanmış puanlar, uygulama gecikmesini veya başarılı görev başına maliyeti ölçmez.
Orijinal resmî grafik, yayıncının değerlendirme sonuçlarını özetler. Aşağıdaki tablolar, bu analize ilişkin kodlama, akıl yürütme ve finans puanlarını çıkarır.
Coding and Agentic Performance
Puanlar yüzde olarak verilmiştir; daha yüksek değer, her benchmark’ta daha iyi performansı gösterir. DeepSWE v1.1, sıcaklık=1.0 ve top_p=0.95 ile SWE-agent harness kullanır; StepCodeBench avg@4 raporlar, ProgramBench ise geçme oranını raporlar. Her benchmark kendi değerlendirme düzeni altında farklı bir görevi ölçer; bu nedenle yüzdeler birbirinin yerine geçen doğruluk ölçütleri değildir. Yayımlanan karşılaştırma, modeller arasında aynı donanım veya yürütme bütçelerini tesis etmez.
DeepSWE v1.1’de Step 5 Preview %67,7 puan alır ve Kimi K3 ile GLM-5.3’ü kıl payı geride bırakır. Bu, depolarla çalışan kodlama aracıları ve otomatik yazılım mühendisliği görevleri için rekabetçi performansa işaret eder.
ProgramBench de olumlu bir sinyal sunar. Step 5 Preview %80,5’e ulaşırken Kimi K3 %77,8 ve GLM-5.3 %72,0 elde eder.
Bununla birlikte Terminal-Bench v4 anlamlı bir sınırlamayı ortaya koyar: Step 5 Preview’ın %33,3 sonucu, GLM-5.3’ün %41,9’unun gerisinde kalırken GPT-6 Astra %57,9’a ulaşır. Bu, Step 5 Preview’ın depo odaklı yazılım mühendisliğinde rekabetçi olduğunu, ancak göreli üstünlüğünün terminal odaklı yürütme ve karmaşık hata ayıklamaya eşit şekilde yansımadığını ima eder.
Reasoning and Knowledge Performance
Step 5 Preview, GPQA Diamond’da %93,5 alarak Kimi K3 ile eşleşirken GPT-6 Astra’nın %96,1’inin gerisinde kalır. AA-LCR v1.1’de %88,3 sonucu, Kimi K3’ün %88,7’sinin biraz altında ve GPT-6 Astra’nın %80,7’sinin üzerindedir. Humanity’s Last Exam ve CritPt’de de Kimi K3 ve GPT-6 Astra’nın gerisinde kalır. Sonuçlar, bilgi ve uzun bağlam akıl yürütmede rekabetçi olduğunu, ancak göreve bağlı olarak göreli güçlü yönlerin değiştiğini gösterir.
Financial Research and Valuation Performance
Finansal araştırma, Step 5 Preview’ın en belirgin uygulama alanlarından biridir. Model, nicel akıl yürütme, kanıt getirimi ve yapılandırılmış analizi birleştirmek üzere tasarlanmıştır. Bu yetenekler özellikle değerleme, finansal belge yorumlama ve yatırım araştırması için önemlidir.
StepFun, bilgiyi toplamadan savunulabilir sonuçlar üretmeye kadar çok aşamalı finansal araştırmayı değerlendirmek için FinStepBench’i tanıttı.
Daha yüksek puanlar daha güçlü benchmark performansını gösterir. FinStepBench StepFun tarafından geliştirildiğinden, bağımsız doğrulama özellikle önemlidir.
Step 5 Preview, FrontierFinance’ta %66,4’e ulaşarak raporlanan yapılandırmalar altında Kimi K3, GLM-5.3 ve GPT-6 Astra’yı geride bırakır. Ancak Claude Opus 5, %69,7 ile öndedir.
FinStepBench DeepResearch sonucu özellikle dikkat çekicidir. Step 5 Preview %55,8’e ulaşırken Kimi K3 %48,9 ve GLM-5.3 %53,3 elde eder. Bu, getirimi, sentezi ve uzatılmış analizi gerektiren finansal araştırma iş akışlarına modelin iyi uyabileceğini düşündürür.
CorporateValuation puanı daha nüanslı bir tablo çizer. %60,6 ile Step 5 Preview, GPT-6 Astra’nın %77,3’ünün belirgin şekilde gerisindedir. Bu nedenle Step 5 Preview finansal analiz için evrensel olarak üstün kabul edilmemelidir. Göreli sıralaması, CorporateValuation’a kıyasla DeepResearch’te daha güçlüdür; bu da geniş kapsamlı bir üstünlük iddiası yerine görev bazlı değerlendirmenin önemini destekler.
Üretim uygulamalarında finansal çıktılar hâlâ bağımsız olarak doğrulanmış hesaplamalar, belgelenmiş varsayımlar ve izlenebilir destekleyici kanıtlar gerektirir.
Step 5 Preview vs Other AI Models
Step 5 Preview, hem barındırılan alternatiflerle hem de tescilli sınır hizmetleriyle rekabet eder. Benchmark sonuçları aday modelleri belirlemeye yardımcı olur; API erişimi, girdi desteği, dağıtım kontrolü ve gerçek iş yükü maliyeti ise hangi adayın üretim uygulamasına uyduğunu belirler.
CometAPI, Kimi K3, GLM-5.3, GPT-6 Astra ve Claude Opus 5 erişimi sunar. Bu alternatifler, iş yükü kalitesi, gecikme ve maliyet için yararlı karşılaştırma noktaları sağlar.
Step 5 Preview, belgelenmiş 600B/27B seyrek MoE kontrol noktası ve kendi barındırma seçeneği sunar. Alternatifler için ağırlık erişilebilirliği, parametre sayıları, bağlam sınırları ve kabul edilen girdiler modele ve uç noktaya bağlıdır. Yayımlanan benchmark’lar kısa liste oluşturulmasına yardımcı olabilir; temsili kodlama ve araştırma görevleri ise her bir servisin pratikte nasıl davrandığını gösterir.
Step 5 Preview vs Kimi K3
Step 5 Preview, DeepSWE v1.1, ProgramBench ve FrontierFinance’ta biraz daha iyi performans gösterir. Kimi K3, akıl yürütme ve bazı diğer teknik değerlendirmelerde rekabetçiliğini korur. Pratik ayrım, belirleyici bir zekâ üstünlüğünden ziyade geliştiricilere sunulan maliyet, servis koşulları ve göreve özgü güvenilirliktedir.
Step 5 Preview vs GLM-5.3
Step 5 Preview, finans ve yazılım geliştirme değerlendirmelerinin bir kısmında GLM-5.3’ün önündedir. Ancak GLM-5.3’ün daha güçlü Terminal-Bench v4 puanı, raporlanan terminal odaklı görevlerde bir avantajı işaret eder. Kodlama aracıları için tek bir toplam puana güvenmek yerine başarılı depo değişiklikleri, araç çağrı hataları, yürütme süresi ve yama doğruluğunu karşılaştırın.
Step 5 Preview vs GPT-6 Astra and Claude Opus 5
Tescilli sınır modelleri genellikle en zorlu yazılım mühendisliği benchmark’larında daha iyi performans gösterir. Step 5 Preview’ın başlıca cazibesi, açık ağırlık dağıtım seçeneği ve nispeten erişilebilir API fiyatlandırması sunarken seçilmiş iş yüklerinde rekabetçi kabiliyete yaklaşmasıdır.
Hata maliyetinin yüksek olduğu ve artan görev doğruluğunun ek masrafı haklı çıkardığı durumlarda premium bir model seçin. Fiyat, dağıtım kontrolü ve tekrarlanan aracı yürütümü daha ağır bastığında Step 5 Preview’ı düşünün.
How Much Does Step 5 Preview API Cost?
Step 5 Preview’ın değeri, görev kabiliyetine olduğu kadar işletim maliyetine de bağlıdır. Aracı iş akışları düzineyi bulan çağrılar, tekrarlanan belge getirimi ve yeniden denemeler içerebilir; bu nedenle düşük token fiyatı, model görevi güvenilir şekilde tamamladığında fayda sağlar. Başarıyla tamamlanan görev başına maliyet, aşağıdaki oranlara yararlı bir tamamlayıcıdır.
API Availability and Token Pricing
Bu 19 Ekim 2026 anlık görüntüsü, model karşılaştırma bölümünde bağlantısı verilen CometAPI oranları ile StepFun’un yerel API ücretlerini karşılaştırır. Tüm fiyatlar milyon token başına ABD doları cinsindendir. Hizmetler farklı faturalama, önbellek ve uç nokta koşullarına sahiptir; “not listed” ifadesi, bu makalenin kaynak anlık görüntüsünde önbellekli girdi oranının bulunmadığı anlamına gelir.
GPT-6 Astra kısa bağlam katmanı 272.000 token’a kadar geçerlidir; belirtilen uzun bağlam ücretleri milyon token başına girdi için $16 ve çıktı için $60’tır. Listelenen oranlar araçlar, yeniden denemeler ve altyapı hariçtir. Bu karşılaştırma, Step 5 Preview’ın CometAPI üzerinden erişilebilirliğini tesis etmez; aşağıdaki Step 5 Preview örneği StepFun’un yerel uç noktasını kullanır.
Önbellek vuruşu girdi oranı, önbelleksiz orandan %90 daha düşüktür. Önbelleksiz fiyat, önbelleğe yeni içerik yazmayı içerirken çıktı faturalaması hem akıl yürütme hem de nihai yanıt token’larını içerir. Yineleyen istem metni, yalnızca hizmetin nitelikli bir önbellek vuruşu bildirmesi durumunda daha düşük oranı alır; yalnızca görünür yanıt uzunluğu, faturalandırılan çıktıyı olduğundan az gösterir.
Example Cost Calculations
Maliyet formülü: C = (Tu × Pu + Tc × Pc + To × Po) / 1,000,000; burada Tu/Tc/To sırasıyla önbelleksiz girdi, önbellekli girdi ve faturalandırılabilir çıktı token’larını, Pu/Pc/Po ise bunların milyon token başına fiyatlarını temsil eder.
Aynı 100.000 girdi token’ı ve 20.000 faturalandırılabilir çıktı token’ı olan iki StepFun isteğini düşünün:
- Önbellek kaçırma: 100.000 girdi token’ının tamamı önbelleksizdir. Maliyet = (100,000 × $1.00 + 20,000 × $2.70) / 1,000,000 = $0.154.
- Önbellek vuruşu: 90.000 girdi token’ı önbellekli orana hak kazanır ve 10.000’i önbelleksiz kalır. Maliyet = (10,000 × $1.00 + 90,000 × $0.10 + 20,000 × $2.70) / 1,000,000 = $0.073.
Önbellek vuruşu örneği, aynı girdi ve çıktı hacimleriyle $0,081 veya yaklaşık %52,6 tasarruf sağlar. Tasarruf, hizmet tarafından raporlanan nitelikli bir önbellek vuruşuna bağlıdır. Her iki örnek de haricî araçlar, yeniden denemeler ve altyapı maliyetleri dışındadır.
Yalnızca token fiyatları en iyi değer sunan modeli belirlemez. Birkaç yeniden deneme gerektiren bir aracı, ilk seferde başarıya ulaşan daha yüksek fiyatlı bir modelden daha pahalı olabilir. Güvenilir bir maliyet karşılaştırması için token fiyatlandırmasının yanında başarıyla tamamlanan görev başına maliyeti kullanın.
Is Step 5 Preview Open Source, and Can It Run Locally?
StepFun, resmî Hugging Face depoları üzerinden indirilebilir ağırlıklar yayımlar; 19 Ekim 2026 itibarıyla FP8, BF16 ve NVFP4 varyantları mevcuttur. Ağırlıklara erişim, kendi dağıtımı mümkün kılar; ancak modeli bellek gereksinimleri açısından küçük bir yoğun modelle eşdeğer yapmaz.
Mevcut dosyalar Step 5 Preview kontrol noktası, BF16 sürümü ve NVFP4 sürümünü içerir.
Terminoloji önemlidir: Step 5 Preview, StepFun Model License 1.0 altında açık ağırlıklar sağlar. Lisans, modele özgü atıf ve ticari lisans koşullarını içerir. Dağıtımdan önce planlanan kullanım ve dağıtımınız için bu hükümleri değerlendirin.
Local Deployment Requirements
Resmî model kartı şu referans yapılandırmaları listeler:
- vLLM ile FP8: OpenAI uyumlu API sunarak 4 × NVIDIA B300 veya 8 × NVIDIA H200.
- vLLM ile BF16: OpenAI uyumlu API sunarak 8 × NVIDIA B300 veya 16 × NVIDIA H200.
- SGLang ile FP8: OpenAI uyumlu API sunarak 4 × NVIDIA B300; Transformers ile FP8: çevrimdışı üretim için 8 × NVIDIA H200.
Bunlar minimum garantiler değil, referans yapılandırmalardır; her kontrol noktası, çalışma zamanı, bağlam uzunluğu veya eşzamanlılık ayarı için geçerli olmayabilir. Seyrek etkinleşme hesaplamayı azaltsa da uzman ağırlık depolaması ve KV önbelleği belleği başlıca hususlar olmaya devam eder.
600B’lik bir model, bellek kapasitesinin ötesinde çoklu GPU iletişimi, çerçeve uyumluluğu, kontrol noktası yükleme ve uzun bağlam verimi gibi zorluklar da sunar. Büyük GPU kümeleri olmayan ekipler için barındırılan bir API genellikle daha uygulanabilir bir başlangıçtır.
How Can Developers Use the Step 5 Preview API?
StepFun, OpenAI uyumlu bir Chat Completions arayüzünü destekler. Aşağıdaki Python örneğini çalıştırmadan önce ortamda STEPFUN_API_KEY ayarlayın; max_tokens, bu isteğin üretilen çıktısını sınırlar. Seçilen bölgesel platform için API anahtarını ve faturalama koşullarını kullanın: bu örnek api.stepfun.ai uç noktasını korurken, yukarıdaki dolar fiyatları StepFun’un uluslararası platformundan gelmektedir.
Python örneği: StepFun API’sine sınırlı bir metin isteği gönderin ve dönen yanıtı yazdırın.
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": (
"Tek parça bir uygulamayı mikro hizmetlere taşırken ortaya çıkabilecek mimari riskleri analiz edin."
),
}],
max_tokens=4000,
)
print(response.choices[0].message.content)
Üretim kullanımından önce, seçilen StepFun uç noktasının kabul ettiği parametreleri ve üretim sınırlarını doğrulayın. Akıl yürütme çabası, istem önbellekleme, araç şemaları ve çıktı bütçeleri güvenilirliği, gecikmeyi ve nihai faturayı etkileyebilir.
Step 5 Preview in Agent Workflows
- Depo dokümantasyonunu ve ilgili dosyaları okuyun.
- İstenen değişikliği belirleyin ve bir plan önerin.
- Seçili kodu değiştirin ve haricî araçlar üzerinden testleri yürütün.
- Hataları inceleyin ve uygulamayı revize edin.
- Doğrulanmış değişikliklerin nihai bir açıklamasını üretin.
Model akıl yürütme ve araç istekleri üretir; uygulama, gerçek dosya erişimini, yürütme ortamlarını, izinleri ve güvenlik kontrollerini sağlar. Model kabiliyeti tek başına otonom yürütmeyi garanti etmez.
Alternative Model APIs in CometAPI
CometAPI, yukarıda bağlantısı verilen alternatif modellere ortak bir entegrasyon hizmeti üzerinden erişim sağlar. Her modelin belgelendirilmiş uç noktasını ve istek formatını seçin; ardından aynı iş yükü üzerinde başarı oranlarını, token kullanımını, yeniden denemeleri ve uçtan uca gecikmeyi karşılaştırın.
Yukarıdaki örnek StepFun’un yerel uç noktasını kullanır. Bir ağ geçidine geçiş, Step 5 Preview erişilebilirliğinin teyidini ve ağ geçidinin belgelendirilmiş model tanımlayıcısı, uç noktası ve faturalama koşullarını gerektirir.
When Should You Choose Step 5 Preview?
- Temsili testler güvenilir sonuçlar doğruladığında, depo kodlama ve belge ağırlıklı araştırmalar için tercih edin. Uzun bağlamı ile yayımlanan kodlama ve finans puanları onu bir aday yaparken Terminal-Bench v4 ve CorporateValuation, listelenen alternatiflerin daha yüksek puan aldığı alanları gösterir.
- Büyük bir GPU kümesi işletmeden başlamak istediğinizde barındırılan API’yi seçin. Kabul edilen görev başına maliyeti, önbellek vuruş oranlarını, yeniden denemeleri ve gecikmeyi karşılaştırın; büyük bir bağlam penceresi hızlı yanıt veya daha düşük toplam maliyet garantisi vermez.
- Dağıtım kontrolü donanım ve operasyon yükünü haklı çıkardığında kendi barındırmayı seçin. Tam uzman ağırlığı depolaması, KV önbelleği, çoklu GPU iletişimi ve lisans gereksinimleri için bütçe ayırın. Önemli finansal veya mühendislik çalışmaları için kaynak kontrolleri, hata tespiti ve insan incelemesi ekleyin.
FAQ
Step 5 Preview’in akıl yürütme çabasını nasıl seçmelisiniz?
Temsili küçük bir görev setiyle başlayın ve aynı kabul kriterilerini kullanarak düşük, orta ve yüksek ayarlarını karşılaştırın. Doğruluğu, faturalandırılabilir çıktıyı, gecikmeyi ve araç hatalarını kaydedin. Kalite eşiğini tutarlı şekilde karşılayan en düşük ayarı kullanın; yayımlanan High benchmark puanları, düşük veya orta ayarların davranışını öngörmez. Karşılaştırma yaparken akıl yürütme yapılandırma kılavuzunu izleyin ve Chat Completions üzerinde reasoning_effort değerini açıkça ayarlayın.
Neden bir Step 5 Preview isteği 64k çıktı token’ına ulaşmadan durabilir?
Belgelendirilen maksimum bir tavan, hedef uzunluk değildir. Bir istek, max_tokens bütçesine ulaştığı, doğal bir durma döndürdüğü veya uygulamanın ele alması gereken bir araç çağrısı ürettiği için daha erken durabilir. Otomatik yeniden denemeden önce dönen bitiş nedenini ve varsa araç isteklerini inceleyin. Tamamlanmış daha kısa bir yanıt, bağlam penceresi başarısızlığını göstermez.
Step 5 Preview video girdilerini nasıl test etmelisiniz?
Doğrulayabileceğiniz bir soruya sahip kısa, temsili bir kliple başlayın. Barındırılan API video girdi özelliği, URL, Base64 veya bir stepfile referansı ile videoyu kabul eder; belgelendirilen formatlar arasında MP4, QuickTime ve Matroska bulunur. URL girişi için dokümantasyon, 128 MB altındaki tekil MP4 dosyalarını belirtir ve beş dakikadan kısa olmasını önerir. Toplu işlemden önce format ve boyut sınırlarını doğrulayın ve tek kare tanımasının yanı sıra zamansal soruları da test edin.
Hangi metrikler Step 5 Preview’in gerçek aracı maliyetini ortaya koyar?
Kabul edilen görev tamamlamalarını, tüm turlardaki toplam girdi ve çıktı token’larını, önbellek vuruşlarını, yeniden denemeleri, haricî araç ücretlerini ve geçen süreyi ölçün. Toplam çalışma maliyetini başarılı tamamlamalara bölün ve başarı kriterini modeller arasında sabit tutun. Bu, daha fazla deneme gerektiren daha ucuz bir çağrının ekonomik etkisini veya sonraki hataları azaltan daha yüksek çabalı bir çalışmayı yakalar.
Conclusion
Step 5 Preview, bir uygulamanın uzun bağlam işlemesi, tekrarlanan araç kullanımı veya model dağıtımı üzerinde kontrol gerektirdiğinde değerlendirmeye değerdir. StepFun’un yayımladığı sonuçlar, onu depo kodlama ve finansal araştırma için bir aday yaparken Terminal-Bench v4 ve CorporateValuation listelenen alternatiflerin daha yüksek puan aldığı alanları gösterir. Modelleri sabit kabul kriterleri, kabul edilen görev başına toplam maliyet ve uçtan uca gecikme ile karşılaştırın. Kendi barındırmada, kararınıza altyapı maliyetlerini ve lisans koşullarını dahil edin.