A prévia do Step 5 já está disponível na VEGA
A StepFun lançou o Step 5 Preview, seu novo modelo flagship para trabalho agêntico. Ele usa uma arquitetura esparsa de Mistura de Especialistas, com 600B de parâmetros no total e 27B ativos por token, oferece uma janela de contexto de 1M tokens e aceita imagens como entrada. No Artificial Analysis Intelligence Index, obteve 44 pontos, e a StepFun afirma que seu custo por tarefa é substancialmente menor que o de modelos com nível de inteligência comparável.
O modelo já está disponível na nossa plataforma. O Step 5 Preview está disponível em vega.chat, no seletor de modelos, e em api.vega.chat, nossa API para programação por vibe e agentes. A StepFun lançará o modelo com pesos abertos em 15 de outubro.
Programação
A StepFun criou sua própria avaliação, StepCodeBench, para refletir a engenharia de software como ela acontece na prática. Ela abrange 553 repositórios independentes, 9 categorias de tarefas, 20 domínios de aplicação e 33 linguagens de programação. O Step 5 Preview alcançou 49.0% avg@4 nessa avaliação, o melhor resultado entre os modelos de pesos abertos da tabela, com destaque para reparo de bugs, modificação de funcionalidades e refatoração. Em avaliações feitas por especialistas internos e externos, cerca de 70% dos participantes consideraram o modelo capaz de resolver autonomamente tarefas de programação de complexidade moderadamente alta.
Essa mesma abrangência se estende para além do software. Com documentação de desenvolvimento e autorização do usuário, o Step 5 Preview pode trabalhar diretamente com hardware programável, usando câmeras, portas COM, capturas de tela e entrada simulada de mouse como parte do ciclo de desenvolvimento e depuração.
Execução em horizontes longos
A StepFun testou o trabalho sustentado em dois cenários com feedback mensurável:
- Otimização de kernels de GPU MLA. O modelo teve 24 horas para otimizar do zero um kernel MLA em uma NVIDIA H100 (dimensão da cabeça 512, formato de produção com lote 1, 64 cabeças e 8.192 tokens). Ele implementou alterações, executou o kernel, mediu o rendimento e descartou as versões que apresentaram regressão. Seu melhor resultado entre 4 execuções chegou a 508 TFLOPS para a passagem direta e a retropropagação após cerca de 22 horas, superando os 493 de Claude Opus 5.
- Pós-treinamento automatizado. Em outra execução de 24 horas, o Step 5 Preview melhorou um modelo base Qwen3-30B-A3B no AIME24 por meio de um ciclo automatizado de pós-treinamento, decidindo como usar um anotador via API e como revisar os dados. O modelo resultante alcançou 60% na avaliação oficial, ante 53.3%, igualando Claude Opus 5 com menos tokens do anotador.
Há também um dado mais inusitado. Sem qualquer ajuste específico para jogos, o Step 5 Preview está jogando Pokémon Red há mais de 3.000 turnos e 6 milhões de tokens. No turno 3.082, já havia desbloqueado Cut, conquistado três Insígnias de Ginásio e derrotado Lt. Surge, chegando a cerca de um terço da história principal. Estima-se que a história principal leve 26 horas para ser concluída por uma pessoa.
Trabalho com conhecimento e finanças
Em um estudo climático que abrangia 1.000 locais ao longo de 25 anos, o modelo coordenou 950 consultas à web em uma única ação de agente e reuniu 300.000 registros mensais de 11 variáveis; depois, usou o conjunto de dados para analisar diferenças regionais na sazonalidade da energia solar. Em uma análise de sobretaxa do diesel, produziu uma pasta de trabalho analítica com 17 planilhas e 11.057 linhas, conciliação entre séries, fórmulas e modelos de tendência que um revisor pode rastrear até os dados de origem.
As finanças receberam atenção específica. A StepFun criou três benchmarks internos para verificar se um modelo consegue recuperar e validar informações financeiras atualizadas, transformar dados e premissas defensáveis em avaliações reproduzíveis e conduzir todo o processo de pesquisa, desde a coleta de evidências até a elaboração de um relatório final. Também avaliou o modelo no FrontierFinance, um benchmark externo que abrange seis casos de uso de investimento por meio de 220 perguntas elaboradas por especialistas e 11.543 critérios de avaliação.
Benchmarks
O Step 5 Preview foi executado na configuração de esforço "High"; os modelos de comparação, na configuração "Max". Os benchmarks marcados com † são internos.
| 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% | — (somente texto) | 81.0% | 87.0% | — | 85.0% |
No HLE w/ tools‡, o Step 5 Preview e o GLM-5.3 foram avaliados no subconjunto somente de texto, enquanto os demais modelos foram executados no conjunto de dados completo; portanto, os resultados não são diretamente comparáveis. O padrão geral da tabela é consistente com a ideia de "fronteira de Pareto" apresentada no anúncio da StepFun: o modelo raramente fica no topo da classificação, mas se mantém próximo aos líderes com um custo por tarefa menor.
Experimente na VEGA
Acesse vega.chat, escolha Step 5 Preview na lista de modelos e envie sua primeira tarefa. Se você desenvolve com agentes ou assistentes de programação, conecte-se por meio de api.vega.chat. O anúncio completo, com demonstrações interativas, incluindo a partida de Pokémon e os aplicativos 3D, está em stepfun.com.