Step 5 Preview енді VEGA-да қолжетімді
StepFun агенттерге негізделген жұмысқа арналған жаңа флагмандық моделі Step 5 Preview-ді шығарды. Ол жалпы саны 600B параметрі және әр токенге 27B белсенді параметрі бар сирек Mixture-of-Experts архитектурасында жұмыс істейді, 1M токендік контекст терезесін қолдайды және кескіндерді қабылдайды. Artificial Analysis Intelligence Index бойынша оның көрсеткіші — 44. StepFun-ның айтуынша, тапсырмаға кететін шығыны интеллект деңгейі шамалас модельдерге қарағанда едәуір төмен.
Модель платформамызда қолжетімді болды. Step 5 Preview vega.chat сайтындағы модельдер тізімінде және vibe coding пен агенттерге арналған API-ымыз api.vega.chat-та бар. StepFun модельдің ашық салмақтарын 15 қазанда жариялайды.
Кодтау
StepFun бағдарламалық жасақтаманы инженерлік тұрғыдан әзірлеу іс жүзінде қалай жүретінін көрсету үшін StepCodeBench атты өз бағалау жүйесін жасады. Ол 553 тәуелсіз репозиторийді, 9 тапсырма санатын, 20 қолдану саласын және 33 бағдарламалау тілін қамтиды. Step 5 Preview мұнда avg@4 бойынша 49.0% жинап, кестедегі ашық салмақты модельдер арасында ең үздік нәтижеге жетті. Әсіресе қателерді түзету, функцияларды өзгерту және рефакторинг жасау бағыттарында мықты. Ішкі және сыртқы сарапшылар жүргізген шолуларда қатысушылардың шамамен 70%-ы модельдің күрделілігі ортадан жоғары кодтау тапсырмаларын автономды түрде шеше алатынын бағалаған.
Осындай кең мүмкіндік бағдарламалық жасақтамамен ғана шектелмейді. Әзірлеу құжаттамасы мен пайдаланушының рұқсаты берілген жағдайда, Step 5 Preview бағдарламаланатын аппараттық құралдармен тікелей жұмыс істей алады: әзірлеу және жөндеу циклі барысында камераларды, COM порттарын, скриншоттарды және тінтуірдің симуляцияланған енгізуін пайдаланады.
Ұзақ уақыт бойы үздіксіз жұмыс істеу
StepFun өлшенетін кері байланысы бар екі ортада ұзақ жұмыс істеу қабілетін сынады:
- MLA GPU ядросын оңтайландыру. Модельге NVIDIA H100 құрылғысында MLA ядросын нөлден бастап оңтайландыру үшін 24 сағат берілді (head dimension 512, batch 1, 64 heads, 8,192 tokens өндірістік пішіні). Ол өзгерістер енгізіп, ядроны іске қосып, өткізу қабілетін өлшеді және нәтижені нашарлатқан нұсқаларды алып тастады. 4 іске қосылым ішіндегі ең жақсысы шамамен 22 сағаттан кейін тура және кері өту үшін 508 TFLOPS-қа жетіп, 493 көрсеткішіне жеткен Claude Opus 5-тен озды.
- Автоматтандырылған пост-тренинг. Тағы бір 24 сағаттық іске қосылымда Step 5 Preview автоматтандырылған пост-тренинг циклі арқылы AIME24 бойынша Qwen3-30B-A3B базалық моделін жақсартты. Ол API-аннотация құралын қалай пайдалану және деректерді қалай қайта қарау керегін өзі шешті. Нәтижесінде алынған модель ресми тестте 60% көрсеткішіне жетті, бұл бастапқы 53.3%-дан жоғары және аннотацияға жұмсалған токендері азырақ болса да Claude Opus 5-пен бірдей нәтиже.
Тағы бір тосын дерек бар. Ойынға арнайы бапталмағанына қарамастан, Step 5 Preview Pokémon Red ойынын 3,000-нан астам жүріс жасап, 6 миллион токен жұмсап ойнап келеді. 3,082-жүріске қарай ол Cut қабілетін ашып, үш Gym Badge алып, Lt. Surge-ті жеңген — негізгі оқиғаның шамамен үштен бірін аяқтаған. Адамның ойынды негізгі оқиғасына дейін өтуі шамамен 26 сағат алады.
Біліммен жұмыс және қаржы
25 жыл бойы 1,000 жерді қамтыған климаттық зерттеуде модель бір агент әрекетімен интернеттен 950 дерек сұрауын үйлестіріп, 11 айнымалы бойынша ай сайынғы 300,000 жазбаны жинақтады. Кейін бұл деректер жиынын күн энергиясының маусымдық ерекшеліктеріндегі өңірлік айырмашылықтарды талдауға пайдаланды. Дизель отынына үстемеақыны тексеру кезінде ол 11,057 жолы, 17 парағы бар, дерек қатарларын салыстырып тексеруді, формулалар мен тренд модельдерін қамтитын аналитикалық жұмыс кітабын жасап, рецензентке нәтижелерді бастапқы деректермен салыстыруға мүмкіндік берді.
Қаржыға арнайы көңіл бөлінді. StepFun модельдің уақытылы қаржылық ақпаратты тауып, тексере алатынын, деректер мен негізді болжамдарды пайдаланып қайта өндіруге болатын бағалаулар жасайтынын және дәлел жинаудан бастап дайын есепке дейінгі толық зерттеу үдерісін атқара алатынын тексеретін үш ішкі бенчмарк жасады. Сондай-ақ модельді 220 сарапшы әзірлеген сұрақ пен 11,543 бағалау өлшемі арқылы инвестициялаудың алты қолданыс саласын қамтитын сыртқы FrontierFinance бенчмаркімен бағалады.
Бенчмарктер
Step 5 Preview "High" есептеу қарқындылығы параметрімен іске қосылды, ал салыстыру модельдері "Max" параметрімен жұмыс істеді. † белгісі қойылған бенчмарктер — ішкі бағалаулар.
| Бенчмарк | 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% | — (тек мәтін) | 81.0% | 87.0% | — | 85.0% |
HLE w/ tools‡ бенчмаркі бойынша Step 5 Preview пен GLM-5.3 тек мәтіннен тұратын ішкі жиында бағаланды, ал басқа модельдер толық деректер жиынында сыналды. Сондықтан бұл нәтижелерді тікелей салыстыруға болмайды. Кестедегі жалпы үрдіс StepFun хабарландыруындағы "Парето шебі" деген сипаттамаға сай келеді: модель бірінші орынға сирек шығады, бірақ әр тапсырмаға кететін шығыны төмен бола тұра көшбасшыларға жақын нәтижелер көрсетеді.
VEGA-да қолданып көріңіз
vega.chat сайтын ашып, модельдер тізімінен Step 5 Preview таңдап, алғашқы тапсырмаңызды жіберіңіз. Егер агенттермен немесе код көмекшілерімен жұмыс істесеңіз, api.vega.chat арқылы қосылыңыз. Pokémon тоглолт болон 3D аппликейшн зэрэг интерактив үзүүлэнгүүдтэй бүрэн мэдэгдлийг stepfun.com хаягаас үзнэ үү.