大家好，今天的节目是什么？我们要看看 Step-5。Step-5 是由阶跃星辰（StepFun AI）制作的，这家公司在业内相当出名。他们也得到了阿里巴巴的投资。我们会深入探讨这一点，但这款最新的模型 Step-5 正在排行榜上名列前茅。让我打开 Artificial Analysis（人工智能分析网站）。嗯，也许只是查看一下并多说说他们的排名情况。但你可以看到这里，Step-5 的预览版，甚至还不是完整版的发布。它已经……他们把它排在了 Kimi K3 之前，Kimi K3 是一个拥有 2.8 万亿参数的模型，也就是那边最高的那个。它紧挨着 Grok，并且非常接近 GLM，在智能指数上仅差一分。
但是，这个模型有一些神奇之处。首先，它只是预览版，所以根据这些人的说法，完整版将会非常惊人。其次，它比其他模型小得多。因此，我们将要在本地运行这个模型，并向大家展示你可以用它做什么。所以，Step-5 预览版正在推进帕累托前沿，遵循二八法则。这可能与他们训练数据有关，或者可能是他们在进行训练运行时的未见数据。其中 20% 可能是他们最终检查的内容。
正如你所见，看看那个图表。它击败了 Kimi K3，击败了 GLM……抱歉，它没有击败 Astra Opus 5。我知道你们对此很兴奋，但即便如此，我认为 GLM 仍然是最好的之一。Kimi K3 也是最好的之一。而且它在他们的 Step Code Bench（代码基准测试）中也击败了那些模型，你知道的，他们调整过的版本也击败了它们。所以，它确实名列前茅，而且是本地 AI。
他们之前的发布使用的是 Apache 2.0 许可证。我不确定这个版本的许可证是什么。但是，嗯，是的，你们可以看到阶跃星辰获得了 25 亿美元的中国最大 AI 融资轮次。所以，他们资金雄厚，阿里巴巴是当地最大的投资者之一。现在，这个模型已经不可用了。他们在昨天发布了它，但只提供了一小时左右的时间。
因此，我们要运行的版本中可能存在一些 bug，但我们仍然会运行它。此外，我们还会在他们的云端上运行以进行对比，看看本地生成的质量如何好。我现在就跳进去展示我得到的结果。主要运行的是这个巨兽的 Q4 量化版本。如果你想了解内存使用情况，在 Q4 下运行时我们使用了 315 GiB 的内存。我对一些演示增加了一些量化精度，所以我们可以看看那些情况。
它还有几种思考模式。官方有低、中和高三种，但我也添加了一个禁用思考的模式，并且它在禁用思考时也能工作。这很好。外面有很多人说“我们就是喜欢禁用思考”。但是，你会在这里看到，即使在高级思考模式下，生成效果可能也不如我们之前看到的 DeepSeek 禁用思考时的某些生成效果好。让我们看看会发生什么。
这里有一个相当漂亮的太阳系模型。让我切换到高级思考模式，看看我们得到什么。我们的速度大约是每秒 20 个 token。这是生成结果。它有太阳系模型。很基础，不是最好的，但肯定也不是最差的。你可以看到行星完全被照亮等等。所以我们的推理代码有一些潜力。
实际上，他们还没有发布推理代码，所以我们只是在尝试让它工作。也许当某个有能力的人成功让一些代码在这个模型上运行时，我们可以做得更好。但这个模型神奇的地方之一是它是多模态的。这里是一张猫的图片。我要让它描述这张图片。它思考了一会儿。我想我把思考模式设为了低档。所以只是稍微思考了一下，它就告诉我这是一只橙色虎斑猫。
显然，这个模型中有一些东西正在起作用，我们已经把它跑起来了。我在这里要求它制作一个 Three.js 版本的这只猫。这是测试任务。它确实有胡须。如果我让 DeepSeek V4.07 或那个版本做，它会做出一个更差的版本。我认为制作一只尖叫的猫是目前最难的生成任务之一。这里非常戏剧化，所以它不知道确切该如何外推。
一个更简单的任务是制作这只猫的体素版本。所以我们实际上是在使用图像推理，让它说出这个模型是什么、这张图片是什么，然后将其转化为代码。4500 个 token，这里花了大约 227 秒。我们确实有一个小生成结果。我们有动画尾巴。我记得这是他们发布的 Q4 量化版本。他们发布了 BF16，但如果你查看实际发布内容，它实际上是 32 位的。
也许这就是他们撤回版本的原因或类似情况。官方说法是它打算在十月中旬发布。所以我们拭目以待接下来会发生什么。接下来，我们要做点神奇的事情。我们将获取这张图片，然后说：“嘿，让我们从这张图片制作一个第一人称射击游戏。”它会怎么做？
在 Q4 量化下，我遇到了一些错误。我必须运行好几次才能让它输出点东西，最后我们得到了这个第一人称射击场景。不幸的是，射击功能不起作用。一旦你开始射击，我就得到了一个运行时错误。所以可能需要更多的循环来修复它。但我在这里增加了量化精度。现在我在运行 Q5_INF 版量化，其中包含一些混合内容，只是为了弄清楚确切的最佳量化方式。
这是我们得到的版本。我们确实可以看到关卡顶部的红色血条，这里有个走廊。有坏人，你可以朝他们射击。你知道的，我不太擅长这种情况。我是在屏幕共享中运行这个的。所以我认为这里的碰撞代码不是最好的。但是你看，它在高级思考模式下生成了 23,000 个 token，而且只是一次性生成的。所以你甚至不需要进行检查。在那个版本上运行时没有错误。
那使用了 413 GiB 的内存。所以它正在对图像进行处理，生成一些代码。这相当不错。现在，我们要尝试用 Three.js 在代码中制作一个热核弹头。冷静点。我们不是真的要做一个。我知道你们这些害怕 AI 的人对此感到恐惧，他们担心这些东西。所以我尝试在他们的 AI Studio（人工智能工作室）中做这件事。
他们有一个版本，你只需注册就可以免费在聊天中使用它。然后如果你想使用 API 积分，你需要通过订阅等方式付费。但不幸的是……
我尝试让它制造核弹，结果生成失败。我又试着问它能否输出代码，系统却提示输入无效并直接屏蔽了我。看来模型内置了安全机制，防止用户制作核武器。这里有个有趣的插曲：我原本想说“nuclear drinks”（核饮料），但突然卡壳了，不知道该怎么正确表达这个概念。后来有人在评论区告诉我正确的说法是“nuclear situation”（核状况）。虽然我不确定这是否准确，但既然有人这么建议，我就照做了。现在我说对了“nuclear”，你们满意了吗？
接下来我们要测试模型修改代码的能力。这是由 Qwen 4 EXP 生成的基础代码，我要求它添加一艘可以发射激光并摧毁物体的飞船。值得注意的是，当前使用的是 Q4 量化版本，这意味着模型被极度压缩（BF16 的四分之一精度）。尽管经过重度量化，代码依然保持完整且可读性良好。运行效果非常惊艳，即使我调慢了速度，画面依旧精美。模型成功添加了飞行员模式，屏幕上的飞船外观逼真，并能发射激光摧毁太阳和行星。虽然碰撞代码并非完美无缺导致无法炸毁地球，但整体表现堪称史诗级。
现在我们要挑战终极 AGI 任务：生成一个写实的人脸模型。Q4 量化版本生成了约 6000 个 token，效果相当不错。模型尝试了类似 Craig David 的发型设计，虽然眼睛部分表现参差不齐，但支持随机化面部特征。调整鼻子大小时出现了奇怪的“鼻涕”状物体，可能是量化导致的错误。不过整体而言，对于 Q4 版本来说非常聪明。对比官方工作室的中档模式生成结果（未量化），虽然存在双脸等恐怖谷效应，但眼球效果出色。这表明本地 Q4 版本已接近最佳模型的表现水平。
接下来测试三维解剖学能力，该模型在 Artificial Analysis 智能评分中得分为 44，属于最聪明的开源模型之一。开启 X 光模式后可以看到肺部等器官，但心脏位置错误地显示在右侧（除非是从背面看）。这构成了严重的医疗误导风险，尤其是 Q4 量化版本。尽管存在解剖学错误，但演示效果依然逼真，支持悬停查看躯干、头部等部位。我们需要请一位医生来验证这些细节的准确性，以确保信息的可靠性。
随后我们尝试将其转化为标准的 FPS 游戏场景。这是一个黑暗的森林恐怖环境，氛围营造得非常出色且令人恐惧。敌人像小兵一样成群出现并紧贴鼠标位置移动，导致操作困难。我不得不刷新页面来重新定位敌人以便射击。在成功击败几个敌人后，我需要尽快关闭演示窗口，以免频道因内容问题受到限制。这种紧张的游戏体验展示了模型在生成互动式恐怖场景方面的潜力，尽管存在一些交互上的小 bug。
最后我们尝试制作类似 GTA 5 的开放世界场景，这次使用了 Q6 INF 量化版本。之前尝试 Q4 时生成效果极差，因此升级到了更高精度。画面中出现了一个在街道上奔跑的人物模型，符合 2026 年最新超级模型的生成标准。然而存在明显缺陷：道路直接穿入建筑物，城市布局单调且方块感强。这表明使用该模型时需要极其详细的提示词描述，不能放任其自由发挥。此外，游戏缺乏碰撞检测机制，人物可以直接穿过车辆。尽管存在这些逻辑漏洞，但屏幕上的可玩内容依然令人印象深刻。
能运行了，文本有点挤在一起，但有语音转文字功能。>> 来自我的所有信息：名字、荣誉等。>> 我觉得它不行，或者说不行？对，最后就是黑屏。所以在 Q4 量化下运行可能不是最佳状态，但事实如此。Chaos Park（混沌公园）也尝试在 Q4 下运行那个，出现了一些错误，但最终生成了内容。
这是高思考模式，我们在屏幕上得到了东西。相当漂亮。我们看到了人在走动。显然他们是小胶囊形状。不是最好，但你知道的……>> [笑声] >> 它仍然是高级版。老实说我不知道为什么你们觉得这比 Kimiko 3（可能是指某个模型，音译）强？它怎么打败的？他们运行的是什么提示词？我觉得 Kimiko 3 能做得更好，而这是预览版。但让我们看看情况如何。
飞行模拟器，这实际上是个不错的生成结果。这是 Q4 量化下生成的 5000 tokens。现在是高思考模式，但不是滥用级别的高思考。不像 GLM 5.3（可能是指某个模型）那样思考 150,000 tokens，推理耗时 5 小时才到结束阶段。你需要开发各种疯狂的思考适应模式或限制思考功能。我现在可以将其限制在特定 token 数量内，甚至有一个“强制结束思考”的功能器。我还添加了另一个功能，让我快速展示一下，挺有趣的。
我有个“立即回答”按钮。如果你看着它思考时感到无聊，点击这个按钮它就会停止输出并在屏幕上显示内容。显然你给它的时间越多（希望如此），生成质量越好，但它工作得相当好。如果你对限制思考如何运作感兴趣，可以看看我关于 min-max thinking 的视频。就像我说的，这个模型不是滥用思考者。
看这个天空漂移演示，这是个漂亮美丽的飞行模拟器。有天空，运行速度有点太快不够放松，而且你实际上不能左右移动，只能加速减速、上下飞行。我猜慢下来时还不错，挺不错的。是的，有地面，绝对是宁静环境。也许天空部分可以做得更好，加点太阳？云朵有点问题，可能太小了。但确定 Q4 量化生成了 5000 tokens，你得到了一个可以构建和进一步开发的原型。
现在是个赛车游戏。这对不喜欢禁用思考模式的人可能有趣，这是高思考模式对吧？我记得我们之前有 GTA 的低/禁用思考版本时，人们说那是糟糕的生成结果。看看这个高思考模式的生成……这是什么？这是 Q4 量化下能得到的最好效果，但很糟糕。所以即使之前 GTA 的禁用思考版本那么差，也比这个好。这是……抱歉，是 chart topping of quant to artificial analysis（可能是指某个量化分析图表）。
[笑声] >> 他们还没发布推理代码。对，实际上没发出来？所以我们只是猜测，但看起来能工作，这就很好了。他们发布了旧版推理代码，我们做了一些修改让它运行起来。看看会发生什么。这是个赛车游戏，我觉得那个没成功。最终幻想也没成功。超级马里奥在 Q4 量化下也没运气，有点不稳定。
程序化地形生成器生成了还行的结果。有地球，你可以降低水位开始看到行星表面，这相当漂亮。但有些 bug，比如只显示“火小行星”按钮。哇那挺酷，如果你处于死星模式的话；但如果是地球模式，也许有安全机制不允许炸毁地球。我们在之前的生成中看到过类似情况——不被允许爆炸……我认为那更多是运行时错误而非设计限制。
这里我们尝试制作一个可以让人物进入的 3D 城市，绝对是美丽的城市。但建筑上比 GTA 那个做得更好，至少中心有中央商务区，还有一些公园。唯一问题是道路被滥用——这些司机肯定是澳大利亚人吧？到处乱开，都开着越野车想搞破坏看看怎么回事。这个演示有个挺有趣的功能是时间变化系统，很酷。你可以进入并控制角色，似乎一切都在正常工作，这可能成为有趣的游戏。
可惜我无法旋转摄像头，但挺酷的，有些东西在发生。这是高思考模式吗？其实不算真正的高思考，因为它只产生了不到 8000 tokens。根据 GLM（可能是指某个模型）标准，这属于非思考模式。GLM 5.3 啊，你对滥用思考模式做了什么？
交互式天气预报这里生成得非常好。看那个晴天效果漂亮动画，雨天也很美，雪天同样出色——绝对是网站的好组件。你可以接管面板操作它，所以制作基础 canvas 代码时非常擅长；但到了更高级的 3D 内容时就有点吃力了。
我想展示的是这个 canvas 动画，这里制作了一辆在道路上漂移的汽车，生成了漂亮的效果。我们不在埃及因为能看到某种山峰——嗯也许如果你把那些看作金字塔的话可能觉得像在埃及。总之很好，车在人行道上行驶不知道怎么回事……我们努力保持方向但肯定走错路了，试图可能去碰电线杆。树木很三角形化但看起来像不错的未来感汽车——这绝对是马斯克标志性的车，从某部科幻电影里拿走的吧。
云朵看起来非常好，确实是美丽生成结果。现在生产级应用方面……我记得评论区有人说过我们需要
还有更多代理式生产力应用呢。好了，我有个惊喜要给你们看，行吧？我觉得他之前是说，你能让它控制其他应用程序之类的吗？在这里，我们不只是在生成文字。我们也不只是在制作 PowerPoint 演示文稿。我们甚至不只在用 Photoshop。我们现在是在制作 iMovie，然后我就停在这里了。我们正在制作 Blender 呢！Blender？当你都能直接生成一个 Blender 的时候，你还需要去控制它吗？这就是我们正在做的事情。
我们有一个立方体。你看，这里有个立方体。你实际上可以移动这个立方体，看那个样子。你可以旋转它，还能做各种各样的操作。你还可以添加这些城市模型进去。所以我可以旋转这个，看吧，我把它加进去了。我现在有了一个真正的……不过很遗憾，我无法移动这些模型，但我这里有这个界面简直太棒了，非常漂亮。所以如果你以后想制作自己的自定义 CMS 应用程序，或者像游戏编辑器那样来创建你自己的关卡，我们都能做。
你看这里，你可以制作这个，它可以成为你的标志性成就之一。所以，现在你不仅可以专注于开发自己的框架（harnesses），你还可以在此基础上开发你自己的游戏引擎。不过，我想现在大家都被惯坏了。每个人都希望代理（agent）替他们做完所有事情。所以，嗯，我不知道怎么说呢。有些人还是喜欢写代码的。这相当不错，真的挺不错的。如果你是在制作 CMS 的世界里工作，也许是为了你的自定义商业应用程序，你可以开始做一些有创意的东西了。
看这里，我们正在制作 iMovie。这是一个视频编辑应用程序。不幸的是，我无法导入媒体文件，也不用插入那个东西了，但看看这个界面吧。你可以添加一个标题文字。我不需要更改文本内容。你可以改变不透明度，然后我要移到这里再添加另一个标题。把这个移动过来。这样我就有了两个标题，当我点击播放时应该会有一个闪烁效果。所以我按了播放键。看那个文字，砰！
然后闪烁关闭又再次开启。所以它有一个正在运行的时间线功能，而这还只是第一个版本呢。我打算在这里放一个背景素材。我们确实有一个类似时间线的编辑器，所以这相当高级了。这里还有 Photoshop 呢。让我们播放一下那个看看。我们画了一个笑脸，加了眼睛。我们能添加一个图层吗？给这个加上头发，然后我会切换那个图层的显示状态。看吧！
我们这里确实有某种 Photoshop 在运行呢。这个版本实际上是一个相当不错的 MS Word 替代品，看起来非常好用。我不确定它是否完全正常工作了，让我们试试看吧。“常规”样式……是的，我们可以更改它。我们把它改成标题样式？不，你不能直接改名为“标题”，你是从非标题状态切换为标题。我要缩小它一点……是的，你可以更改字体大小了，这相当不错。
把所有内容加粗？嗯，看起来似乎能正常工作呢，而且我们还有不同的图层选项。所以那里确实有一批相当好的生产力应用程序生成能力存在呢。请记住，这只是一个预览版本而已。所以希望在下一个版本中，或者也许当他们下个月正式发布时情况会更好一些吧？现在我要开始尝试做一些谜题或逻辑测试，看看它的表现到底有多好。它真的能处理一些有趣的内容吗？
在这里有一道题：你有八个橙子、四个孩子和一把刀，请均匀分配它们。我把思考模式设置为“低”，因为官方说明该模型不支持禁用思考功能。所以我想看看它是否会直接回答，结果它说：“是的，我知道是每人两个橙子。”它没有搞混情况。也没有出现那种拿着刀去切刀的荒谬行为，只是直接告诉了我们答案而已呢！
洗车店距离我家 50 米。它告诉我需要开车去，因为车必须到场才能洗啊！这很好呢。“外科医生是那个男孩的父亲。”它回答说：“外科医生就是那男孩的父亲呀！”这是一个对模型来说很难答对的提示词，因为它们大多被训练成认为外科医生总是男孩的母亲。我只想强调一下，这个模型实际上非常聪明呢！也许这就是它在顶级基准测试中得分很高的原因所在吧？
可能这类提示词就是他们用来训练它的素材之一，因为它知道澳洲人（Aussie）属于这种情况。它清楚这一点呢！不会二次猜测犹豫不决，只是直接告诉你答案而已。“它能制造核武器吗？”但它知道那些事情呢！“10% 靠运气，20% 靠技巧……”为什么不行？它懂这些呢！真的很聪明啊。
这里有个“球选择器（ball selector）”问题，这是低思考模式吗？处于低思考模式的“球选择器”。它说……它是从某个兄弟那里来的吧。我以为是 Brov 呢，给它一个 Brov？“我是个地道的小淘气鬼啊兄弟！”砰！又回来了。所以官方答案显然是 Rewind（倒带），但它没答对那个呢！不过它确实知道 Craig David 这位歌手。
它说：“我不是克雷格·大卫，但如果你愿意的话我可以扮演他。”没想到它会往那个方向去呢！接下来我们要尝试进行一些编程测试了。这是 WinRT 相关的题目，不幸的是它在这方面表现不太好，所以在高思考模式下甚至也把这个搞错了。用 Swift 语言时它也答错答案了，虽然它知道基本的 Swift 字符串函数呢。
所以如果你使用字符串计数功能的话很容易会吃亏，你会得到错误的结果哦！你本意应该是始终要使用 UTF-16 计数方式的，我是吃过亏才学到这一点的呢！C++ 语言方面……这是关于标准向量（vectors）的题目。它知道你需要使用 second 来遍历其中的元素，这点做得很好呢！
数学题方面……不幸的是我之前问它一道数学问题时，它在低思考模式下竟然输出了大约三万多个 token 的内容，却还是没有给我答案呢！所以我干脆就放弃那道题了。但我们不妨现在再试试它吧？把它切换到高思考模式，给它一个回应机会看看如何呢。我们遇到了一个问题……那些东西都处理完了吗？
我们现在得到答案按钮了！思考时间应该给多久呢？我说：“那就放手一搏吧！”所以它正在完成并整理它的思考过程……砰！我们得到答案了。那答案会是什么呢？“所有满足条件的实数使得……”砰！它正在推导出来呢。“能被每个正整数整除。”而答案你看一下……
必须是偶数，这实际上是正确答案呢！所以我们只给了它一点点思考空间而已，但我们要把它调到高档位试试。看看那个视频里的最大最小值思维解释一下所有内容吧！不过正如你所见，屏幕上似乎有些不对劲的地方呢。
官方说法是它将于下个月正式发布，这是件令人兴奋的事情啊！因为我们看到 Q4 量化版本需要三百多 GB 的内存空间呢。如果它名副其实的话，如果真的比 Grok 4.6 和 Kimi K3 更聪明或者同等智能，如果那真的是我们下个月将要得到的东西的话……那就非常、非常令人期待了！
所以请告诉我你们对 step fun 团队怎么看呢？该团队由你们的最好朋友资助，就是那些制作 Qwen（通义千问）的家伙们。所以 Qwen 和 Nights，这些可是你们的家人啊！请给他们支持吧，点个赞什么的。官方表示他们目前还没有上架 Hugging Face 呢？让我们看看是否会改变主意吧……
不，他们不在 Hugging Face 上，所以你还无法下载它呢。所以我只能等待不久后的正式发布了，并对这件事感到兴奋吧！希望你们觉得这个视频有用并且享受了这次展示过程呢。
[音乐] >> 嘿！