Step 5 Preview est désormais disponible sur VEGA
StepFun a lancé Step 5 Preview, son nouveau modèle phare pour le travail agentique. Il repose sur une architecture Mixture-of-Experts clairsemée, avec 600B paramètres au total et 27B actifs par token, prend en charge une fenêtre de contexte de 1M tokens et accepte les entrées d’images. Dans l’Artificial Analysis Intelligence Index, il obtient un score de 44, et StepFun affirme que son coût par tâche est nettement inférieur à celui de modèles d’un niveau d’intelligence comparable.
Le modèle est déjà disponible sur notre plateforme. Step 5 Preview est accessible sur vega.chat depuis le sélecteur de modèles, ainsi que sur api.vega.chat, notre API dédiée au vibe coding et aux agents. StepFun publiera les poids ouverts du modèle le 15 octobre.
Codage
StepFun a conçu sa propre évaluation, StepCodeBench, pour refléter la pratique concrète du génie logiciel. Elle couvre 553 dépôts indépendants, 9 catégories de tâches, 20 domaines d’application et 33 langages de programmation. Step 5 Preview y obtient un score de 49.0% avg@4, le meilleur résultat parmi les modèles à poids ouverts de leur tableau, avec des points forts particuliers en réparation de bogues, modification de fonctionnalités et refactorisation. Lors d’évaluations menées par des experts internes et externes, environ 70% des participants ont estimé que le modèle était capable de résoudre de manière autonome des tâches de codage d’une complexité assez élevée.
Cette polyvalence dépasse le cadre du logiciel. Avec la documentation de développement et l’autorisation de l’utilisateur, Step 5 Preview peut interagir directement avec du matériel programmable, en utilisant des caméras, des ports COM, des captures d’écran et des entrées de souris simulées dans le cadre du cycle de développement et de débogage.
Exécution sur de longues durées
StepFun a évalué le travail soutenu dans deux contextes avec des retours mesurables :
- Optimisation de noyau GPU MLA. Le modèle disposait de 24 heures pour optimiser un noyau MLA depuis zéro sur un NVIDIA H100 (dimension de tête de 512, forme de production avec un batch de 1, 64 têtes et 8,192 tokens). Il a apporté des modifications, exécuté le noyau, mesuré le débit et écarté les solutions qui entraînaient une régression. Son meilleur résultat sur 4 essais a atteint 508 TFLOPS en propagation avant et arrière après environ 22 heures, dépassant Claude Opus 5 et ses 493.
- Post-entraînement automatisé. Lors d’un autre essai de 24 heures, Step 5 Preview a amélioré un modèle de base Qwen3-30B-A3B sur AIME24 à l’aide d’une boucle de post-entraînement automatisée, en décidant comment utiliser un annotateur via API et comment réviser les données. Le modèle obtenu a atteint 60% au test officiel, contre 53.3% auparavant, égalant Claude Opus 5 avec moins de tokens d’annotateur.
Un résultat plus insolite mérite aussi d’être signalé. Sans aucun ajustement spécifique au jeu, Step 5 Preview joue à Pokémon Red depuis plus de 3,000 tours et 6 millions de tokens. Au tour 3,082, il avait obtenu la CS Coupe, remporté trois Badges d’Arène et vaincu Lt. Surge, soit environ un tiers de l’histoire principale. Il faut compter environ 26 heures de jeu humain pour terminer l’histoire principale.
Travail intellectuel et finance
Pour une étude climatique portant sur 1,000 emplacements sur 25 ans, le modèle a coordonné 950 requêtes web en une seule action d’agent et rassemblé 300,000 relevés mensuels couvrant 11 variables, puis utilisé ce jeu de données pour analyser les différences régionales de saisonnalité solaire. Lors de l’examen d’une surcharge sur le diesel, il a produit un classeur analytique de 17 feuilles avec 11,057 lignes, un rapprochement entre séries, des formules et des modèles de tendance que les réviseurs peuvent retracer jusqu’aux données sources.
La finance a fait l’objet d’une attention particulière. StepFun a conçu trois benchmarks internes qui vérifient si un modèle peut retrouver et vérifier des informations financières récentes, transformer des données et des hypothèses défendables en évaluations reproductibles, et mener un processus de recherche complet, de la collecte des éléments probants à la rédaction d’un rapport final. L’entreprise a également évalué le modèle sur FrontierFinance, un benchmark externe couvrant six cas d’usage en investissement au moyen de 220 questions rédigées par des experts et de 11,543 critères d’évaluation.
Benchmarks
Step 5 Preview a été exécuté avec le niveau d’effort « High » ; les modèles de comparaison, avec le niveau « Max ». Les benchmarks marqués † sont internes.
| Benchmark | Step 5 Preview | GLM-5.3 | Kimi K3 | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|---|---|
| GPQA Diamond | 93.5% | 91.7% | 93.5% | 96.1% | 93.7% | 93.2% |
| AA-LCR v1.1 | 88.3% | 79.7% | 88.7% | 80.7% | 85.3% | 79.3% |
| DeepSWE v1.1 | 67.7% | 66.9% | 67.5% | 74.1% | 67.4% | 74.0% |
| Terminal-Bench v2.1 | 85.0% | 83.9% | 85.0% | 88.4% | 91.4% | 89.1% |
| CyberGym | 84.7% | 84.5% | 80.0% | — | — | — |
| StepCodeBench† | 49.0% | 40.2% | 43.9% | 61.0% | — | 63.9% |
| GDPval-AA v2.1 | 1566 | 1645 | 1524 | 1542 | 1735 | 1708 |
| BrowseComp | 88.7% | — | 91.2% | 91.5% | — | 90.2% |
| HLE w/ tools‡ | 59.4% | 62.5% | 56.0% | 57.2% | 65.0% | 63.6% |
| FinStepBench-LiveSearch† | 74.5% | 73.3% | 70.9% | 74.5% | — | 76.2% |
| FinStepBench-FinanceDR† | 55.8% | 53.3% | 48.9% | 45.0% | — | 59.1% |
| FrontierFinance | 66.4% | 64.1% | 62.6% | 55.0% | — | 69.7% |
| MMMU-Pro | 76.0% | — (texte uniquement) | 81.0% | 87.0% | — | 85.0% |
Pour HLE w/ tools‡, Step 5 Preview et GLM-5.3 ont été évalués sur le sous-ensemble textuel, tandis que les autres modèles ont été exécutés sur l’ensemble de données complet : ces résultats ne sont donc pas directement comparables. La tendance générale du tableau correspond à la description de « frontière de Pareto » employée dans l’annonce de StepFun : le modèle arrive rarement seul en tête du classement, mais reste proche des meilleurs tout en affichant un coût par tâche inférieur.
Essayez-le sur VEGA
Rendez-vous sur vega.chat, choisissez Step 5 Preview dans la liste des modèles et envoyez-lui votre première tâche. Si vous développez avec des agents ou des assistants de codage, connectez-vous via api.vega.chat. L’annonce complète, avec des démonstrations interactives, notamment la rediffusion de Pokémon et les applications 3D, est disponible sur stepfun.com.