Kinesisk Step 5 Preview kan hentes og køres på egen hardware

Step 5 Preview er StepFuns flagskibsmodel til det, man kalder agentarbejde. Det betyder, at AI'en selv løser opgaver i flere trin, fx at skrive og rette kode. Ifølge modelkortet er styrkerne softwareudvikling, langvarige opgaver, professionelt vidensarbejde og finans.

Modellen er en såkaldt sparse Mixture-of-Experts-model. Den har 600 mia. parametre i alt, men kun 27 mia. er aktive pr. token (et token er en lille tekstbid). Det gør den lettere at køre, end tallet i alt lyder til. vLLM opgiver dog 604 mia. parametre, så kilderne er ikke helt enige. Modellen kan ifølge modelkortet håndtere op til 1 mio. tokens kontekst, altså meget lange tekster ad gangen, og tage både tekst og billeder som input. Nogle søgeresultater nævner også video, men det fremgår ikke af modelkortet.

Åbne vægte og licens

Vægtene, altså selve den trænede model, ligger på Hugging Face og ModelScope i både FP8 og BF16, to forskellige talformater. Licensen er StepFun Model License 1.0. Modelkortet beskriver den som Apache-2.0-lignende, men med ekstra krav om kreditering og betingelser for kommerciel brug. Developers Digest skrev om licensen, før vægtene udkom, og kaldte den dengang ubekræftet.

Ifølge Developers Digest kom modellen først som API i september 2026 og på OpenRouter 8. oktober. StepFun havde lovet åbne vægte 15. oktober 2026. Selve datoen for vægtudgivelsen er ikke læst direkte i modelkortet.

Kræver kraftig hardware

Modellen kan køres med vLLM, SGLang og Transformers. Ifølge vLLM kræver en enkelt node mindst 4 NVIDIA B300-GPU'er, eller 8 H200 til FP8. Der findes også en NVFP4-variant, hvor den maksimale kontekst falder til 320.000 tokens. Det er altså udstyr til virksomheder og forskningsmiljøer, ikke til almindelige computere.

På OpenRouter koster modellen 1,00 USD pr. mio. input-tokens og 2,70 USD pr. mio. output-tokens.

Hvordan klarer den sig?

Artificial Analysis Intelligence Index giver modellen 44 og en placering som nummer 40 af 226. Den brugte omkring 160 mio. output-tokens i testen og beskrives som meget udførlig. Tidlig telemetri fra OpenRouter viste ca. 17 % fejl ved struktureret output.

Producentrapporterede benchmarks viser 67,7 % på DeepSWE v1.1 mod 74,0 % for Claude Opus 5, og 80,5 % på ProgramBench mod 82,3 %. Tallene kommer fra producenten eller tredjepartssamlinger og er ikke verificeret. Ifølge Developers Digest er der stadig et mærkbart hul til de bedste modeller på langvarige opgaver.