前几天，Step 5 Preview 刚刚接入腾讯 WorkBuddy，开放了为期两周的免费体验。

现在，阶跃星辰又把更重要的一步补上了：

Step 5 Preview 模型权重正式开放。

这意味着开发者不再只能通过：

阶跃 API；

WorkBuddy；

第三方模型平台

调用这款模型。

具备服务器级算力的企业和研究团队，现在可以直接下载权重，在自己的环境中完成：

私有化部署；

推理优化；

Agent 接入；

工具调用适配；

模型研究；

业务测试。

Step 5 Preview 的核心规格依然非常亮眼：

600B 总参数。

每个 Token 激活约 27B 参数。

最高 1M Token 上下文。

原生支持长程 Agent 和多模态工作流。

它不是一款单纯为聊天设计的大模型，而是一款明显围绕：

真实任务执行

打造的 Agent 基座。Hugging Face

一、这次到底开放了哪些内容？

目前，阶跃星辰已经在 Hugging Face 发布三个 Step 5 Preview 权重版本：

Step-5-Preview

官方默认模型仓库，当前主要对应 FP8 权重。

Step-5-Preview-BF16

保留更高精度的 BF16 权重，更适合研究、进一步量化和对精度要求较高的部署场景。

Step-5-Preview-NVFP4

采用更低精度格式进一步压缩权重体积，面向支持相应硬件与推理工具的高效部署场景。

除了权重，官方还同步开放或公布了：

GitHub 推理代码；

模型配置；

Tokenizer；

FP8 与 BF16 转换工具；

Transformers 离线生成实现；

vLLM 部署容器；

SGLang 部署方案；

OpenAI 兼容接口配置；

技术博客；

模型评测说明；

工具调用和推理解析器。

所以这次不只是：

“放出一个几百 GB 的模型文件。”

而是尽量把从下载权重到启动服务的路径一起补齐。Hugging Face

二、600B 总参数，为什么只激活 27B？

Step 5 Preview 采用：

Sparse MoE，稀疏混合专家架构。

模型整体拥有约：

6000 亿参数。

但处理每一个 Token 时，并不会把全部参数都运行一遍。

系统只会根据当前输入，选择一部分最相关的专家参与计算，实际激活规模约为：

270 亿参数。

可以把它理解成一家拥有大量专业部门的公司。

公司整体知识和能力非常大。

但接到一个具体任务时，不需要所有部门同时参与。

模型会根据任务，动态选择最适合的专家。

这类架构希望同时获得两种优势：

一方面，保留大模型的知识容量和任务能力。

另一方面，避免每次推理都支付 600B 稠密模型的完整计算成本。

因此，Step 5 Preview 虽然总参数很大，但实际计算规模更接近几十 B 级模型。

当然，激活参数少不等于部署时只需要加载 27B 权重。

完整模型权重仍然需要进入显存或分布式系统，这也是它依然需要 B300、H200 等服务器级 GPU 的原因。

三、它为什么特别强调“窄而深”？

阶跃星辰在技术博客中将 Step 5 Preview 的架构概括为：

Narrow but Deep，窄而深。

模型一共包含：

92 个 Transformer Block。

相比单纯增加每一层的宽度，阶跃选择继续增加网络深度。

原因和长程 Agent 的工作方式有关。

一个 Agent 执行复杂任务时，经常需要经历：

理解需求
↓
读取大量上下文
↓
调用工具
↓
观察工具结果
↓
修改计划
↓
继续执行
↓
验证结果
↓
发现问题后再次修正

大量信息会在 Prefill 阶段进入模型。

如果模型深度不足，长距离、多步骤信息很难在网络内部持续传递和组合。

更深的网络，则有机会在不输出大量显式思维过程的情况下，完成更多隐式的多跳推理。

阶跃希望通过这种架构，让模型在复杂 Agent 任务中既能保持较强推理能力，又避免无限生成冗长的思考 Token。StepFun开放平台

四、3:1 混合注意力，专门为百万上下文降成本

Step 5 Preview 并不是每一层都使用完整注意力。

它采用：

3 层高效注意力 + 1 层稀疏完整注意力

交替组合的方式。

高效注意力部分使用：

Gated Sliding Window Attention。

它更关注当前位置附近的信息，计算成本更低。

完整注意力部分则使用：

Sparse GQA。

模型不会让每个 Token 都与整个百万上下文进行完整计算，而是先通过索引机制，从历史内容中挑出真正相关的部分。

官方还将相邻历史位置合并成 Block 表示，把索引和 Top-K 筛选成本降低到原来的约：

1/8。

这套设计主要解决的是百万上下文里的两个矛盾：

模型需要记住很远的信息。

但又不能让每一步计算都扫描完整历史。

最终思路是：

大部分层
→ 高效处理局部信息

少部分关键层
→ 从全局历史中筛选重要内容

真正相关的信息
→ 进入完整注意力计算

这也是 Step 5 Preview 能够把上下文扩展到 1M，同时控制推理成本的重要原因。StepFun开放平台

五、1M 上下文，真正适合的是长程 Agent

100 万 Token 可以容纳大量代码、文档和任务历史。

例如：

大型代码仓库；

数十份行业报告；

大量财务文档；

历史会议纪要；

长时间终端执行日志；

多轮工具调用结果；

复杂项目上下文。

对于 Coding Agent 来说，它可以在同一次任务中保留更多：

源码；

依赖关系；

测试结果；

错误日志；

历史修改；

用户反馈。

对于办公与研究 Agent 来说，则可以同时处理：

PDF；

图表；

截图；

研究资料；

表格；

历史方案；

会议记录。

不过需要注意：

1M 是输入和输出共享的总上下文预算。

而且真正部署时，能不能稳定跑满 1M，还取决于：

GPU 显存；

KV Cache；

并发量；

推理框架；

Prefix Cache；

量化版本。

官方也明确提醒，示例硬件可以加载模型，并不代表在高并发情况下仍然可以无压力跑满 1M。显存不足时，需要降低最大上下文或并发数。GitHub

六、它重点不是聊天，而是软件工程和专业工作

Step 5 Preview 的官方定位是：

Flagship Model for Agentic Work。

主要能力集中在四个方向。

软件工程

模型可以处理：

代码仓库级任务；

跨文件修改；

前端和视觉开发；

设备编程；

代码运行和验证；

失败后的多轮修复。

它的目标不是只生成一个函数。

而是尽量完成：

理解整个项目
↓
找到相关文件
↓
完成代码修改
↓
运行测试
↓
检查实际结果
↓
继续迭代

长程 Agent 执行

模型可以在多轮工具调用、执行、验证和修改中持续推进任务。

专业知识工作

可以结合研究、长文档、图表、截图和多模态信息，生成结构化报告与分析。

金融分析

阶跃特别强调了金融场景，包括财务数据、支持文档和量化推理的综合分析。Hugging Face

七、多模态能力需要注意一个官方文档差异

阶跃官方介绍和 GitHub README 都表示，Step 5 Preview 可以处理：

文本；

图片；

视频。

并能围绕图片、截图、图表和视频进行理解与分析。

不过当前模型卡的规格表中，输入类型一栏只明确列出了：

Text、Image。

也就是说，官方介绍与规格表之间目前存在轻微差异。

因此更加稳妥的表述是：

Step 5 Preview 面向文本和视觉多模态任务，官方介绍包含视频理解能力；但本地部署视频输入时，应以最新推理框架、模型代码和官方文档为准。

不要因为在线 API 或 WorkBuddy 支持视频，就默认所有本地推理方案都已经完整适配相同的视频输入流程。Hugging Face

八、为什么这款模型特别适合 Agent 后训练？

阶跃并没有只围绕普通问答数据训练 Step 5 Preview。

官方为它搭建了一套：

Agent-native Data Construction System。

在这套系统中，Agent 会参与：

寻找知识；

构造任务；

搭建执行环境；

检查结果；

发现任务漏洞；

调整任务难度。

人类专家则负责：

定义原则；

提供专业判断；

审核关键环节；

控制任务质量。

最终，阶跃构建了百万级可验证任务环境，覆盖：

科学推理；

软件工程；

机器学习研发；

专业知识工作。

这些任务不是普通的“问题—答案”数据。

模型需要真的进入环境：

读取文件；

调用工具；

运行代码；

修改内容；

通过验证。

这更接近真实 Agent 每天面对的任务。StepFun开放平台

九、强化学习也围绕“长任务”重新设计

长程 Agent 的强化学习，比普通问答 RL 更难。

一次任务可能持续：

几十轮；

几百轮；

甚至上百万 Token。

如果最后任务失败，只给模型一个：

0 分

很难判断到底是哪一步做错了。

Step 5 Preview 的训练系统因此重点解决：

训练与推理一致性；

长轨迹 Rollout 效率；

工具调用错误定位；

Token 与轮次级信用分配；

上下文压缩与任务恢复；

Reward Hacking 检测。

官方还公布了几项系统优化：

MTP-3 推测解码带来约 30% 端到端提速；

原生 FP8 MoE 再提供约 20% 效率提升；

通过专家并行、KV Offload、MXFP4 权重存储和 FP8 KV 量化，将有效 KV Cache 容量扩大约 8～12 倍。

这些优化真正服务的不是普通聊天速度。

而是：

让 Agent 可以更长时间、更低成本地持续工作。StepFun开放平台

十、FP8、BF16 和 NVFP4 应该怎么选？

FP8

更适合直接部署和高效推理。

官方默认 Step-5-Preview 仓库主要对应 FP8 权重。

优势是：

显存占用更低；

推理效率更高；

部署门槛相对更低。

BF16

保留更高精度，更适合：

模型研究；

进一步量化；

精度敏感场景；

分析不同精度带来的差异。

但硬件要求也更高。

NVFP4

进一步压缩模型体积，适合支持相应 Blackwell 硬件和推理技术的场景。

它可能降低权重存储和部署成本，但仍需要评估：

精度变化；

算子支持；

框架兼容性；

实际业务表现。

三种权重不是简单的“高级、中级、低级”关系。

更像是在：

精度；

显存；

速度；

硬件条件

之间提供不同选择。Hugging Face

十一、本地部署到底需要多少卡？

官方当前提供的参考方案如下。

FP8 + B300

4 张 B300。

支持 vLLM 或 SGLang。

可选择：

TP4；

TEP4；

DEP4。

FP8 + H200

8 张 H200。

支持 vLLM、SGLang 或 Transformers 离线生成。

BF16 + B300

8 张 B300。

BF16 + H200

两台 8 卡 H200 节点，共 16 张 H200。

所以“4 卡部署”必须带完整限定：

4 张 B300 运行 FP8 权重。

它不是指：

4 张 RTX 4090；

4 张普通工作站显卡；

任意 4 张服务器 GPU。

另外，官方还提醒，BF16 的完整 Transformers 分片转换与生成流程尚未完成全模型端到端验证，目前公开的是参考实现与初始部署路径。

真正用于生产环境前，仍然需要完成：

稳定性测试；

精度验证；

吞吐测试；

长上下文测试；

并发压测。GitHub

十二、支持哪些推理框架？

官方目前提供三条主要部署路线。

vLLM

适合搭建 OpenAI 兼容 API 服务。

支持：

推理解析；

自动工具选择；

Tool Call Parser；

Prefix Cache；

MTP 推测解码；

Tensor / Data / Expert Parallel。

SGLang

同样可以提供 OpenAI 兼容服务，并支持：

Expert Parallel；

MegaMoE；

不同 Attention Backend；

Speculative Decoding；

高并发服务。

Transformers

主要用于离线生成与研究。

官方提供权重分片转换和多进程运行方式。

这意味着开发者可以根据任务选择：

在线 API 服务；

高吞吐 Agent 平台；

离线研究与测试。

同时，上层应用可以继续通过 OpenAI 兼容协议接入，不需要为 Step 5 Preview 重新设计一整套调用接口。Hugging Face

十三、许可证不是普通 Apache 2.0

这次最容易被忽略的，就是许可证。

Step 5 Preview 并没有直接采用：

MIT；

Apache 2.0；

或者纯粹的开源软件许可证。

模型使用的是：

StepFun Model License 1.0。

官方称其为：

Apache-2.0-Style License。

但同时加入了针对模型使用、修改、分发和商业应用的额外条件。

因此，更准确的说法是：

阶跃星辰开放了模型权重和部署代码。

如果是个人研究和技术验证，可以按照许可证使用。

如果准备进行：

大规模商业服务；

模型再分发；

托管 API；

二次模型发布；

企业产品集成，

应先完整阅读许可证，而不是默认它和 Apache 2.0 完全相同。GitHub

十四、开放权重以后，企业真正得到了什么？

只提供 API 时，企业可以调用模型，但很多关键能力仍然掌握在平台手中。

例如：

模型版本；

数据经过哪里；

服务是否调整；

并发和限流；

长期成本；

模型何时下线。

开放权重以后，团队可以进一步：

在自有服务器部署；

处理内部文档和代码；

控制模型版本；

连接私有知识库；

搭建内部 Agent；

测试不同量化方案；

优化推理吞吐；

研究模型结构；

建立自己的服务和权限体系。

对于金融、研发、企业知识和其他对数据边界要求较高的场景，这种控制能力非常重要。

不过，开放权重并不等于部署成本很低。

Step 5 Preview 依然是一款 600B 级模型。

更适合：

云服务商；

大型企业；

模型推理团队；

高校和研究机构；

拥有服务器级 GPU 集群的开发团队。

普通个人用户直接使用 API 或 WorkBuddy，仍然会更加现实。

十五、这次开放真正值得关注的是什么？

表面上看，这次新闻可以浓缩成一句：

600B 模型开源了。

但真正有价值的是，阶跃把几个关键部分一起补上了：

FP8 / BF16 / NVFP4权重
+
模型架构说明
+
长程Agent训练方法
+
vLLM / SGLang / Transformers适配
+
OpenAI兼容服务
+
多卡部署方案
+
工具调用解析
+
技术博客与代码仓库

这让 Step 5 Preview 不再只是排行榜和产品中的一个模型名称。

开发者终于可以真正研究：

它为什么适合长任务；

稀疏注意力如何工作；

不同并行策略有什么差异；

FP8 与 BF16 的效果如何；

它在自己的 Agent Harness 中表现怎么样。

这才是开放权重最实际的价值。

结语

Step 5 Preview 这次可以记住几组核心信息：

600B 总参数。

27B 激活参数。

92 层 Transformer。

最高 1M Token 上下文。

稀疏 MoE + Gated SWA + Sparse GQA。

权重版本包括：

FP8。

BF16。

NVFP4。

推理框架包括：

vLLM。

SGLang。

Transformers。

官方当前最低参考部署方案是：

4 张 B300 运行 FP8。

H200 运行 FP8 则需要：

8 张。

BF16 的硬件要求还会进一步提高。

所以这次真正值得关注的，不只是：

“阶跃也开放了一个600B模型。”

而是它把模型、架构、长程 Agent 训练思路和部署路径同时交给了开发者。

以前只能在 WorkBuddy 或 API 中体验它。

现在，具备足够算力的团队终于可以把它真正拿回自己的环境里：

自己部署、自己测试，也自己决定怎么用。

相关链接

Step 5 Preview 官方介绍
https://www.stepfun.com/step-5-preview

Step 5 Preview Hugging Face 合集
https://huggingface.co/collections/stepfun-ai/step-5-preview

Step 5 Preview FP8 权重
https://huggingface.co/stepfun-ai/Step-5-Preview

Step 5 Preview BF16 权重
https://huggingface.co/stepfun-ai/Step-5-Preview-BF16

Step 5 Preview NVFP4 权重
https://huggingface.co/stepfun-ai/Step-5-Preview-NVFP4

Step 5 Preview ModelScope
https://www.modelscope.cn/models/stepfun-ai/Step-5-Preview

Step 5 Preview GitHub
https://github.com/stepfun-ai/Step-5-Preview