Step 5 Preview模型概况与技术规格

StepFun AI即将在10月15日开源其最新大语言模型 Step 5 Preview。虽然该模型此前已存在一段时间，但此次开源权重引发了广泛关注。与ZAI或DeepSeek相比，StepFun虽知名度稍逊，但其模型迭代展现出显著的性能提升。此前测试过的 Step 3.7 Flash（Apache 2.0开源）已被证明在小尺寸Flash模型中表现 competent，这为Step 5 Preview的潜力提供了背书。作者推测新模型也将采用Apache 2.0协议，但需待发布日确认。

Step 5 Preview是一款 600B总参数 的混合专家（MoE）模型，每次推理仅激活 27B参数。它支持高达 100万token 的上下文窗口，并具备真正的多模态能力，不仅能识别图像，还能处理视频。官方文档显示其最大输出长度为 64K token。尽管官方基准测试声称其在对比Gemini K3或旧版Opus 5等更大模型时表现优异，但作者更倾向于通过实际动手测试来验证其真实能力。

定价策略与API接入成本分析

在评估模型性能前，必须考虑其经济可行性。Step 5 Preview的API定价为 $1.00/百万输入token，输出端则为 $2.70/百万输出token。作者指出，随着GPT-6 Luna和Claude Haiku 5.5等高端竞品进入市场，这一价格区间已不再具备绝对的性价比优势。

"Because of the competition that has come with GPT-6 Luna and then also Claude Haiku 5.5, it's getting harder to compete in a price range like this... there are such high-end competitive models around this pricing that there's a lot of option."

为了进行公平且高性能的测试，作者通过OpenRouter接入模型，并使用Pi Agent Harness运行所有实验。由于API调用会产生费用，作者特别强调将在视频末尾公布总花费。此外，所有测试均在 High Reasoning Mode（高推理模式）下进行，以激发模型的极限性能表现。

浏览器OS智能体测试：初步交互与UI体验

测试首站为Browser OS环境，旨在评估模型在图形界面操作中的智能体能力。启动后，模型成功识别了桌面环境，并准确输入了预设密码 "1234567890"。在交互过程中，模型展现了基本的导航能力：它发现了右上角的通知图标、支持右键菜单操作，并能访问壁纸设置。作者对界面美学评价颇高，形容其壁纸 "heavenly looking"（如天堂般美丽），并注意到文件浏览器具有浓厚的macOS风格，包含近期文件和下载项。

然而，在尝试启动预设应用 "Grand Theft Aurora" 时出现了问题。模型加载游戏后画面出现翻转错误，导致测试失败。作者认为这虽令人遗憾，但考虑到这是预览版模型，这种瑕疵尚在可接受范围内。随后在窗口管理测试中，模型能够移动和调整窗口大小，但操作手感不佳，存在光标吸附和响应延迟问题。尽管UI设计精美且功能丰富，但底层交互逻辑的稳定性仍有待优化。

"This is actually it was promising for like the first fraction of a second when we loaded in, but now it's just a bit... Something seems inverted here."

综合评估：潜力与局限并存

Step 5 Preview在视觉理解和基础UI导航上展现了令人印象深刻的多模态能力。其大上下文窗口和MoE架构使其在处理复杂任务时具备理论优势。然而，在实际智能体执行层面，如游戏启动失败和窗口拖拽卡顿等问题暴露了其在实时交互稳定性上的不足。作者指出，虽然官方演示中包含了3.js创意生成和GPU内核优化等高难度技术任务，但这些并未在本次基础测试中涵盖。未来的评测套件可能会简化这些复杂场景以进一步挖掘模型潜力，但目前的初步结果表明，Step 5 Preview是一个具有强大基础能力但仍需打磨的预览版模型。

2:00 a.m. 应用与界面交互测试

评测者首先对名为“2:00 a.m.”的应用进行了初步体验，该应用界面设计带有霓虹地平线风格。虽然整体视觉效果尚可，但窗口移动功能存在严重故障。鼠标悬停时图标和菜单会像被磁力吸附一样跟随移动，导致无法正常点击操作。尽管存在这种交互层面的“磁吸”bug，但应用具备基本的窗口吸附功能，且整体结构完整。评测者认为该应用在预览阶段的表现“还可以接受”（"overall this was acceptable"），虽然窗口移动的故障令人担忧，但基本的设计感得到了保留。值得注意的是，该应用恰好在凌晨2点打开，呼应了其名称及评测者关于“好主意常在凌晨出现”的调侃。

3D渲染几何缺陷：空间结构严重错位

在对Step Fun Step 5 Preview模型生成的手表3D模型进行审查时，几何与空间结构的严重缺陷成为主要败笔。尽管该模型生成的锁扣或表带部件被评价为“所见过的最好之一”，但整体呈现出的状态是所有元素都显得歪斜不正。具体而言，从表冠伸出的插脚处于错误的平面上，这种深层的几何或空间问题极大地拉低了整体渲染质量。如果仅仅作为前端展示且忽略手表模型本身，其渲染效果在几何修正后本应不错。然而，爆炸视图（Exploded View）的展示虽然平衡且预设部分清晰，但蓝宝石玻璃依然歪斜。尽管背面元素展现出一定的美感，但这仍被明确界定为“预览模型”，其最终成品潜力尚待验证。整体而言，前端表现尚可，但核心建模能力存在明显短板。

2D游戏复刻测试：逻辑具备但系统崩溃

为了更直观地展示模型能力，评测者尝试让模型使用Godot引擎复刻《RuneScape 2007》中的PvP交易大厅，结果呈现出“有知识无系统”的尴尬局面。模型意外地选择了Godot而非常见的Three.js，这体现了其一定的自由度。评测者指出：“It definitely has pertinent knowledge about PK'ing in Old School RuneScape.”（它确实拥有关于老式RuneScape中PK的相关知识点）。模型生成的NPC名称对熟悉该游戏的玩家来说具有辨识度，且包含了一些战斗逻辑。然而，核心缺陷在于缺乏库存系统和真实UI界面。更严重的是，程序在运行过程中频繁出现故障和崩溃（glitching out and failing）。虽然作为一个小型2D游戏演示并非完全不可取，但由于缺乏完整交互系统和稳定性问题，这被视为一次不成功的结果。这一案例揭示了模型在复杂逻辑连贯性和系统完整性上的不足。

成本效益与竞品对比：高昂费用换来失望表现

综合所有测试环节，Step Fun Step 5 Preview模型的总成本超过22美元。评测者对此表示“相当失望（fairly disappointed）”，认为考虑到最终结果的质感，这一价格显得过于昂贵。尽管这是一个预览版本，但其性能并未展现出相对于Step 3.7 Flash模型的显著优势；相反，评测者回忆称对3.7 Flash模型的结果印象更为深刻。在竞争激烈的市场中，该模型需面对DeepSeek v4.1 Flash等体量相近的强力竞品。评测者明确表示：“I don't really see why I would use this over Deep Seek v4.1 flash.”（我不明白为什么要使用它而不是DeepSeek v4.1 Flash）。虽然该模型即将开源权重，可能在某些利基领域有用武之地，但在当前测试套件中，其表现令人失望，甚至不如GLM 5.3 Flash。因此，除非有特定的开源需求或 niche 场景，否则目前并非首选方案。

结论

StepFun Step 5 Preview虽具备600B参数、百万级上下文及多模态能力，但实测表现令人失望。其在UI交互上存在严重的稳定性缺陷（如窗口磁吸、游戏启动翻转），3D建模出现深层几何错位，2D游戏复刻则因缺乏完整系统而崩溃。尽管拥有相关领域知识，但实时交互逻辑连贯性与执行稳定性不足。

鉴于超过22美元的测试成本及高昂API定价，其性价比极低。相比Step 3.7 Flash或DeepSeek v4.1 Flash等竞品，该预览版未展现显著优势。除非有特定开源需求或利基场景，否则目前并非首选方案。