Step 5 Preview buka bobot terbuka 600 miliar parameter

StepFun menerbitkan bobot terbuka Step 5 Preview pada 14 sampai 15 Oktober 2026, menyusul peluncuran API-nya pada 20 September. Model ini adalah model unggulan perusahaan asal Shanghai tersebut untuk pekerjaan agentic, dengan arsitektur Mixture-of-Experts sparse berukuran 600 miliar parameter total dan hanya 27 miliar parameter yang aktif per token. Panjang konteksnya mencapai 1 juta token, masukannya mencakup teks dan gambar, dan versi API menambahkan input video. Menurut kartu modelnya, rancangannya sengaja dibuat sempit tetapi dalam, dengan 92 blok transformer yang menyelang-selingkan gated sliding window attention dan full attention.

Dari sisi penyajian, ini model pusat data, bukan model yang bisa dijalankan di satu kartu grafis konsumen. Checkpoint FP8 berukuran sekitar 650 GB. Konfigurasi terdaftar untuk FP8 adalah 4 GPU B300 atau 8 GPU H200 dalam satu node, sedangkan BF16 memerlukan 8 GPU B300 atau 16 GPU H200. Dukungan penyajian tersedia lewat vLLM dan SGLang dengan API yang kompatibel OpenAI, plus implementasi Transformers untuk generasi offline. Lisensinya bukan lisensi terbuka longgar seperti Apache atau MIT, melainkan StepFun Model License 1.0, sehingga tim yang berencana memakainya secara komersial perlu membaca isinya lebih dulu.

Soal performa, StepFun menyebut model ini mencetak 44 pada Artificial Analysis Intelligence Index dan biaya per tugas sekitar seperdelapan Claude Opus 5. Pada pengujian versinya sendiri, Step 5 Preview mendapat 67,7 pada DeepSWE v1.1, 33,3 pada Terminal-Bench 4.0, 29,5 pada subset CLI Agents Last Exam, dan 66,4 pada FrontierFinance. Angka independen dari Artificial Analysis lewat OpenRouter menempatkannya di 43,7 untuk Intelligence Index, dengan 88,3 persen pada AA-LCR dan 46,5 persen pada Humanity Last Exam. Yang perlu dicatat, hasil Vals AI menunjukkan titik lemah yang tajam: 0,4 persen pada SRE Bench dan 9,2 persen pada Harvey Legal Agent Benchmark. Artinya kemampuan finansial dan konteks panjang kuat, tetapi keandalan operasional dan hukum belum.

Harga API-nya 1,00 dolar per juta token masukan dan 2,70 dolar per juta token keluaran, dengan cache hit 0,10 dolar dan tiga tingkat usaha penalaran. Harga keluaran sudah termasuk token penalaran, yang penting karena model dengan mode berpikir sering menghabiskan porsi besar anggaran pada token yang tidak terlihat di jawaban akhir. Dibanding tetangga sekelasnya, angka StepFun sendiri menempatkannya dekat GLM-5.3 dan Kimi K3 pada pengujian coding, sementara Terminal-Bench 4.0 justru lebih rendah dari GLM-5.3. Perbandingan seperti ini selalu perlu dibaca sebagai klaim vendor, karena konfigurasi usaha penalaran yang dipakai StepFun dan para pesaingnya tidak selalu setara.

Untuk pembaca yang mengelola layanan konversi dokumen, laporan keuangan, atau agen internal, daya tariknya ada pada kombinasi konteks 1 juta token dan input visual: satu berkas panjang bisa masuk tanpa pemotongan. Namun biaya sebenarnya bukan pada harga token, melainkan pada kapasitas GPU bila ingin menyajikan sendiri. Jalur yang lebih realistis adalah menguji lewat API lebih dulu pada tugas nyata, terutama tugas dengan jawaban yang bisa diperiksa, lalu membandingkan biaya per tugas selesai terhadap model tertutup yang sekarang dipakai. Bobot terbuka baru layak dipertimbangkan jika volume sudah cukup besar untuk menutup biaya perangkat keras.