Step 5 Preview უკვე ხელმისაწვდომია VEGA-ზე
StepFun-მა გამოუშვა Step 5 Preview — თავისი ახალი ფლაგმანი მოდელი აგენტებზე დაფუძნებული სამუშაოსთვის. ის იყენებს sparse Mixture-of-Experts არქიტექტურას, სულ 600B პარამეტრით და თითო ტოკენზე 27B აქტიური პარამეტრით, მხარს უჭერს 1M-ტოკენიან კონტექსტის ფანჯარას და იღებს გამოსახულებებს. Artificial Analysis Intelligence Index-ზე მისი ქულაა 44, ხოლო StepFun-ის თქმით, თითო დავალების ღირებულება მნიშვნელოვნად დაბალია, ვიდრე მსგავსი დონის ინტელექტის მქონე მოდელებისთვის.
მოდელი უკვე ხელმისაწვდომია ჩვენს პლატფორმაზე. Step 5 Preview შეგიძლიათ იპოვოთ vega.chat-ზე, მოდელების ჩამონათვალში, და api.vega.chat-ზე — ჩვენს API-ზე ვაიბ-კოდირებისა და აგენტებისთვის. StepFun მოდელს ღია წონებით 15 ოქტომბერს გამოუშვებს.
კოდირება
StepFun-მა შექმნა საკუთარი შეფასების სისტემა, StepCodeBench, რომელიც პროგრამული ინჟინერიის რეალურ პრაქტიკას ასახავს. ის მოიცავს 553 დამოუკიდებელ რეპოზიტორიას, დავალებების 9 კატეგორიას, 20 აპლიკაციის სფეროსა და პროგრამირების 33 ენას. Step 5 Preview ამ შეფასებაში 49.0% avg@4-ს იღებს — მათ ცხრილში ღია წონების მქონე მოდელებს შორის საუკეთესო შედეგს; განსაკუთრებით ძლიერია შეცდომების გამოსწორებაში, ფუნქციების შეცვლასა და რეფაქტორინგში. შიდა და გარე ექსპერტების შეფასებით, მონაწილეთა დაახლოებით 70%-მა მიიჩნია, რომ მოდელს საშუალოზე საკმაოდ მაღალი სირთულის კოდირების დავალებების ავტონომიურად შესრულება შეუძლია.
იგივე ფართო შესაძლებლობები პროგრამული უზრუნველყოფის ფარგლებსაც სცდება. განვითარების დოკუმენტაციისა და მომხმარებლის ავტორიზაციის მიღების შემდეგ Step 5 Preview-ს შეუძლია უშუალოდ იმუშაოს პროგრამირებად აპარატურასთან და განვითარების თუ გამართვის პროცესში გამოიყენოს კამერები, COM პორტები, ეკრანის ანაბეჭდები და მაუსის იმიტირებული შეყვანა.
ხანგრძლივი სამუშაოს შესრულება
StepFun-მა ხანგრძლივი მუშაობა გაზომვადი უკუკავშირის მქონე ორ გარემოში გამოსცადა:
- MLA GPU kernel-ის ოპტიმიზაცია. მოდელს 24 საათი ჰქონდა NVIDIA H100-ზე MLA kernel-ის ნულიდან ოპტიმიზაციისთვის (განზომილების ზომა 512, საწარმოო ფორმა: batch 1, 64 თავი, 8,192 ტოკენი). ის ცვლიდა იმპლემენტაციას, უშვებდა kernel-ს, ზომავდა გამტარუნარიანობას და უარეს შედეგიან კანდიდატებს იშორებდა. 4 გაშვებიდან საუკეთესო შედეგმა, დაახლოებით 22 საათის შემდეგ, forward-ისა და backward-ისთვის 508 TFLOPS-ს მიაღწია — Claude Opus 5-ის 493-ზე მეტს.
- ავტომატიზებული post-training. კიდევ ერთ 24-საათიან გაშვებაში Step 5 Preview-მა AIME24-ზე Qwen3-30B-A3B საბაზისო მოდელის შედეგი გააუმჯობესა ავტომატიზებული post-training ციკლის საშუალებით. ის თავად წყვეტდა, როგორ გამოეყენებინა API ანოტატორი და როგორ შეეცვალა მონაცემები. მიღებულმა მოდელმა ოფიციალურ ტესტში 60% მიიღო, წინა 53.3%-თან შედარებით, და Claude Opus 5-ის შედეგს ნაკლები ანოტატორის ტოკენით გაუტოლდა.
არის კიდევ ერთი უცნაური მონაცემიც. თამაშისთვის სპეციალური მორგების გარეშე, Step 5 Preview უკვე 3,000-ზე მეტი სვლისა და 6 მილიონი ტოკენის განმავლობაში თამაშობს Pokémon Red-ს. 3,082-ე სვლისთვის მას Cut ჰქონდა გახსნილი, სამი Gym Badge მოეპოვებინა და Lt. Surge დაემარცხებინა — ანუ მთავარი სიუჟეტის დაახლოებით მესამედს იყო გავლილი. მთავარი სიუჟეტის გავლას ადამიანური თამაშის დაახლოებით 26 საათი სჭირდება.
ცოდნით მუშაობა და ფინანსები
25 წლის განმავლობაში 1,000 ლოკაციას რომ მოიცავდა კლიმატის კვლევა, მოდელმა ერთი აგენტური მოქმედებით 950 ვებ-მოთხოვნა შეასრულა და 11 ცვლადის მიხედვით 300,000 თვიური ჩანაწერი შეაგროვა, შემდეგ კი ეს მონაცემთა ნაკრები რეგიონებს შორის მზის სეზონურობის განსხვავებების გასაანალიზებლად გამოიყენა. დიზელის დანამატის მიმოხილვისას მან მოამზადა 17 ფურცლისგან შემდგარი ანალიტიკური სამუშაო წიგნი 11,057 მწკრივით, სერიებს შორის შეჯერებით, ფორმულებითა და ტრენდების მოდელებით, რომელთა წყაროს მონაცემებამდე მიყოლაც შემფასებელს შეუძლია.
ფინანსებს განსაკუთრებული ყურადღება დაეთმო. StepFun-მა შექმნა სამი შიდა ბენჩმარკი, რომლებიც ამოწმებს, შეუძლია თუ არა მოდელს ფინანსური ინფორმაციის დროულად მოძიება და გადამოწმება, მონაცემებისა და დასაბუთებული ვარაუდების საფუძველზე გამეორებადი შეფასებების მომზადება და კვლევის სრული პროცესის გავლა — მტკიცებულებების შეგროვებიდან დასრულებულ ანგარიშამდე. მან მოდელი ასევე შეაფასა გარე ბენჩმარკზე, FrontierFinance-ზე, რომელიც ინვესტირების ექვს შემთხვევას 220 ექსპერტის მიერ შედგენილი კითხვისა და შეფასების 11,543 კრიტერიუმის საშუალებით მოიცავს.
ბენჩმარკები
Step 5 Preview შეფასდა "High" ძალისხმევის პარამეტრით; შესადარებელი მოდელები კი "Max" პარამეტრით. † ნიშნით მონიშნული ბენჩმარკები შიდაა.
| ბენჩმარკი | 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% | — (მხოლოდ ტექსტი) | 81.0% | 87.0% | — | 85.0% |
HLE w/ tools‡-ისთვის Step 5 Preview და GLM-5.3 მხოლოდ ტექსტურ ქვეჯგუფზე შეფასდა, სხვა მოდელები კი სრულ მონაცემთა ნაკრებზე მუშაობდნენ, ამიტომ ეს შედეგები პირდაპირ შესადარებელი არ არის. ცხრილის საერთო სურათი StepFun-ის განცხადებაში გამოყენებულ „Pareto-ს საზღვრის“ აღწერას შეესაბამება: მოდელი იშვიათად იკავებს უპირობო პირველ ადგილს, თუმცა თითო დავალების უფრო დაბალი ღირებულებით ლიდერებს ახლოს მიჰყვება.
სცადეთ VEGA-ზე
გახსენით vega.chat, მოდელების სიაში აირჩიეთ Step 5 Preview და გაუგზავნეთ მას პირველი დავალება. თუ აგენტებს ან კოდირების ასისტენტებს ქმნით, დაუკავშირდით api.vega.chat-ის მეშვეობით. სრული განცხადება ინტერაქტიული დემოებით, მათ შორის Pokémon-ის თამაშის ჩანაწერითა და 3D აპებით, ხელმისაწვდომია stepfun.com.