开源Top2！实测阶跃Step 5 Preview，真有点猛啊…
Jay 发自 凹非寺 量子位 | 公众号 QbitAI
昨天， 阶跃星辰 毫无预兆地端出了最新一代旗舰基座模型——Step 5 Preview。
Agent能力大幅提升，在Artificial Analysis的最新评测中，Step 5 Preview取得44分，直接冲到全球开源Top 2。
AA榜单中， Step 5 Preview位于Intelligence Index与单任务成本权衡的「帕累托前沿」 。
榜单上你追我赶，今天刷掉一个，明天又冒出来一个。真到要用的时候，模型到底行不行，完全是另外一码事。
所以API一接上，我直接给Step 5 Preview上强度，让它操作Blender，给我建一个后室出来。
第二个任务，我让它照着1999年的《LEGO Racers》，直接搓一个乐高赛车游戏。
也可能主要还是因为我车技菜，经常一脚油门直接创路障上，有时候甚至连人机都跑不过。
先做了个霓虹跑酷小游戏。有意思的是，我专门用了和阶跃上一代官网Demo类似的Prompt。
道路两旁加了高楼，视觉层次更完整，Game Over之后整个边框还会跟着变红，很多Prompt里没写的小细节，它自己补上了。
第一轮经常有些小细节不到位，离Astra那种「我咧个，这是AI做的？」的瘫软程度，肯定还有差距。
明明前面两代还都是Flash，怎么到Step 5 Preview，Agent能力突然猛了这么多？
所以，Step 5 Preview当然也在Scaling，但它没有把「越大越好」当成唯一目标。
92层的Transformer ，在控制激活规模的同时，让信息经过更多层连续变换。
复杂任务里，经常会有大量multi-hop依赖，前面搜到的信息，要经过很多步之后才能真正派上用场。
几十轮工具调用之后，上下文能轻松滚到上百万Token。如果每一层都把前面所有内容重新扫一遍，计算量很快就会爆炸。
Sparse MoE、Hybrid Sparse、Sparse GQA……本质上都是在解决上下文的问题。
所以Step 5 Preview在硬件上也下了不少功夫，通过底层算子和数据访问优化，让理论上的Sparse尽量真正变成实际吞吐。
有了这套软硬件基座，后面要做的事就比较清晰了，围绕Agent训一遍模型，让它能连续干活。
最终，通过Long-horizon RL、Context Compaction等方法， 团队让Step 5 Preview在几十轮工具调用之后，还能记得自己到底要干嘛 。
踩在「性能×成本」的甜蜜点上 ，把有限的计算预算尽量花在真正影响Agent能力的地方。
从Step 3.5 Flash，到Step 3.7 Flash，再到今天的Step 5 Preview，路线其实没怎么变——
新的模型、新的技术路线不断把能力边界往前推，曾经足以建立巨大壁垒的领先优势，很多时候几个月就会被追平。
截至2026年3月，Anthropic、xAI、Google和OpenAI四家公司最顶尖的模型， 在Arena上的差距已经压缩到了25个Elo以内 。
一方面，Frontier的门槛越来越高；另一方面，Frontier内部又越来越拥挤。
单纯追逐某一个Benchmark、某一次榜单第一，已经很难定义一家模型公司的长期位置。
Astra同样如此，Coding其实没提升多少，但把Computer use的心智站住了。
说实话，这才是AI行业最有意思的地方，要是真靠Scaling解决一切，跟制造业有啥区别啊。
更强的推理、更长的Context、更低的延迟、更少的激活、更强的多模态、更好的Agent能力……
刚刚，Claude Code大重构！内部3万Agent管理技术免费开放 2026-09-18
梁文锋CFO到位！投过智谱MiniMax 2026-09-15
奥特曼被骗！A社一脚油门冲刺IPO，募资叫板SpaceX 2026-09-14
银行Agent上岗：4200万小微经营者可用，信贷、票据、财税一把梭 2026-09-12
热门文章
首届蚂蚁灵波具身大模型挑战赛正式启动
端侧AI从「能跑」到「会进化」，元空智能跑进惠普预装
从“会回答”到“会办事”，vivo如何解AI手机这道题？
刚刚，唐杰发布智谱RSI首个成果
协同办公进入Agent时代，飞书+豆包工作跑在了最前面
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1