Step 5 Preview, 이제 VEGA에서 사용 가능
StepFun이 에이전트 기반 작업을 위한 새로운 플래그십 모델 Step 5 Preview를 출시했습니다. 총 파라미터 600B, 토큰당 활성 파라미터 27B의 희소 혼합 전문가(Mixture-of-Experts) 아키텍처를 사용하고, 1M 토큰 컨텍스트 윈도우와 이미지 입력을 지원합니다. Artificial Analysis Intelligence Index에서 44점을 기록했으며, StepFun은 비슷한 수준의 지능을 갖춘 모델보다 작업당 비용이 상당히 낮다고 밝혔습니다.
이 모델은 이미 저희 플랫폼에서 사용할 수 있습니다. Step 5 Preview는 vega.chat의 모델 선택기와 바이브 코딩 및 에이전트를 위한 API인 api.vega.chat에서 이용할 수 있습니다. StepFun은 10월 15일에 오픈 웨이트로 모델을 공개할 예정입니다.
코딩
StepFun은 실제 소프트웨어 엔지니어링 작업을 반영하도록 자체 평가 기준인 StepCodeBench를 구축했습니다. 독립 저장소 553개, 작업 카테고리 9개, 애플리케이션 분야 20개, 프로그래밍 언어 33개를 아우릅니다. Step 5 Preview는 이 평가에서 avg@4 기준 49.0%를 기록해 해당 표의 오픈 웨이트 모델 중 가장 높은 점수를 얻었으며, 특히 버그 수정, 기능 변경, 리팩터링에서 강점을 보였습니다. 사내외 전문가 검토에서는 참가자의 약 70%가 이 모델이 상당히 높은 복잡도의 코딩 작업을 자율적으로 해결할 수 있다고 평가했습니다.
이처럼 폭넓은 역량은 소프트웨어에만 국한되지 않습니다. 개발 문서와 사용자 권한이 주어지면, Step 5 Preview는 카메라, COM 포트, 스크린샷, 마우스 입력 시뮬레이션을 개발 및 디버깅 과정에 활용해 프로그래밍 가능한 하드웨어를 직접 다룰 수 있습니다.
장시간 작업 수행
StepFun은 측정 가능한 피드백이 제공되는 두 가지 환경에서 지속적인 작업 수행 능력을 테스트했습니다.
- MLA GPU 커널 최적화. NVIDIA H100에서 MLA 커널을 처음부터 최적화하는 데 24시간이 주어졌습니다(헤드 차원 512, 배치 1·헤드 64개·토큰 8,192개의 프로덕션 형태). 모델은 변경 사항을 적용하고 커널을 실행한 뒤 처리량을 측정했으며, 성능이 떨어지는 후보는 제외했습니다. 4회 실행 중 최고 결과는 약 22시간 후 순전파와 역전파에서 508 TFLOPS를 기록해 Claude Opus 5의 493을 앞섰습니다.
- 자동화된 사후 학습. 또 다른 24시간 실행에서 Step 5 Preview는 자동화된 사후 학습 루프를 통해 AIME24에서 Qwen3-30B-A3B 기본 모델의 성능을 개선했습니다. API 주석 도구를 어떻게 활용할지, 데이터를 어떻게 수정할지를 직접 결정했습니다. 그 결과 모델은 공식 테스트에서 53.3%에서 상승한 60%를 기록해, 주석 도구 토큰을 더 적게 사용하고도 Claude Opus 5와 같은 성능을 달성했습니다.
좀 더 이례적인 사례도 있습니다. 게임에 특화된 튜닝을 전혀 하지 않았는데도 Step 5 Preview는 Pokémon Red를 3,000턴 이상, 600만 토큰 넘게 플레이하고 있습니다. 3,082턴째에 Cut을 해금하고 체육관 배지 세 개를 획득했으며 Lt. Surge를 물리쳐, 메인 스토리의 약 3분의 1을 진행했습니다. 메인 스토리를 인간이 플레이하는 데는 약 26시간이 걸리는 것으로 추정됩니다.
지식 업무와 금융
25년간 1,000개 지역을 다루는 기후 연구에서 모델은 한 번의 에이전트 작업으로 웹에서 950건의 데이터를 가져오도록 조율하고, 11개 변수에 걸친 월별 기록 30만 건을 취합한 다음 이 데이터셋을 활용해 지역별 태양 계절성 차이를 분석했습니다. 디젤 할증료 검토에서는 17개 시트, 11,057개 행으로 구성된 분석용 통합 문서를 작성했습니다. 여기에는 시계열 간 대조, 수식, 추세 모델이 포함되어 있어 검토자가 출처 데이터까지 추적할 수 있습니다.
금융 분야에도 별도의 공을 들였습니다. StepFun은 모델이 시의성 있는 금융 정보를 검색하고 검증할 수 있는지, 데이터와 타당한 가정을 재현 가능한 가치 평가로 전환할 수 있는지, 증거 수집부터 최종 보고서 작성까지 전체 조사 과정을 수행할 수 있는지를 확인하는 내부 벤치마크 세 가지를 구축했습니다. 또한 6개 투자 활용 사례를 다루는 전문가 작성 질문 220개와 평가 기준 11,543개로 구성된 외부 벤치마크 FrontierFinance에서도 모델을 평가했습니다.
벤치마크
Step 5 Preview는 "High" 추론 강도 설정으로 실행했으며, 비교 대상 모델은 "Max" 설정으로 실행했습니다. † 표시가 있는 벤치마크는 내부 평가입니다.
| 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% | — (text only) | 81.0% | 87.0% | — | 85.0% |
HLE w/ tools‡의 경우 Step 5 Preview와 GLM-5.3은 텍스트 전용 하위 집합으로 평가된 반면, 다른 모델은 전체 데이터셋으로 평가되었으므로 결과를 직접 비교할 수 없습니다. 표 전체의 경향은 StepFun 발표의 "파레토 프런티어"라는 설명과 일치합니다. 이 모델은 단독으로 최고 점수를 차지하는 경우는 드물지만, 작업당 비용은 더 낮으면서도 선두 모델에 가까운 성능을 유지합니다.
VEGA에서 사용해 보기
vega.chat을 열고 모델 목록에서 Step 5 Preview를 선택한 다음 첫 작업을 보내 보세요. 에이전트나 코딩 보조 도구를 개발한다면 api.vega.chat을 통해 연결할 수 있습니다. Pokémon 플레이 영상과 3D 앱을 포함한 대화형 데모가 담긴 전체 발표 내용은 stepfun.com에서 확인할 수 있습니다.