StepFun Step 5 Preview Açık Ağırlıklarını Yayınladı

Çinli yapay zeka laboratuvarı StepFun, Eylül ayında duyurduğu Step 5 Preview modelinin açık ağırlıklarını söz verdiği tarihte yayınladı. Şanghay merkezli laboratuvar, 15 Ekim'de BF16 ve FP8 ile NVFP4 kontrol noktalarını Hugging Face ve ModelScope üzerinde erişime açtı; mimariyi anlatan teknik blog ve geliştirici araçları da paylaşıldı.

Model künyesi

Mimari: Seyrek Mixture-of-Experts (MoE)
Parametreler: 600 milyar toplam, token başına 27 milyar aktif
Bağlam penceresi: 1 milyon token
Girdi: metin ve görsel (bazı üçüncü taraf kartlarında video)
Muhakeme seviyesi: düşük, orta, yüksek
Araç desteği: araç çağırma, JSON Mode, JSON Schema, prompt önbellekleme, akış

Model; yazılım mühendisliği, profesyonel bilgi işi ve özellikle finans alanında uzun soluklu ajan görevleri için konumlandırılıyor. StepFun, bir araştırma görevinde modelin tek bir ajan adımında 950 web isteği koordine ettiğini söylüyor.

Fiyatlandırma

API listesinde fiyat, 1 milyon token için 1,00 dolar girdi ve 2,70 dolar çıktı olarak görünüyor; önbellek okuması 1 milyon token başına 0,05 dolar. Ajan döngülerinde girdinin büyük kısmı önbellekten okunduğu için etkin girdi maliyeti yaklaşık 0,34 dolar düzeyine iniyor. Fiyatlar ve paketler değişebileceği için resmî sayfadan teyit edilmesi gerekiyor.

Açık ağırlıklar ve lisans şartları

Yayınlanan kontrol noktaları boyut olarak dikkat çekiyor: BF16 sürümü 1,21 TB, NVFP4 sürümü ise yaklaşık 394 GB. FP8 ağırlıkları manuel onayla açılan kapılı bir depoda sunuluyor. BF16 ağırlığı, KV önbelleği hariç yaklaşık 1,2 TB bellek gerektirdiği için yerelde çalıştırmak çok GPU'lu sunucu donanımı gerektiriyor.

Ağırlıklar standart bir açık kaynak lisansı altında değil. StepFun, kendi StepFun Model License 1.0 lisansını kullanıyor: çerçeve Apache-2.0 tarzı olsa da ek atıf ve ticari lisans koşulları içeriyor. Lisansa göre aylık 100 milyondan fazla aktif kullanıcısı veya 20 milyon doları aşan aylık geliri olan bir ürün, "Powered by StepFun AI" ibaresini göstermek zorunda. Cihaz üreticileri ile 20 milyon dolar üzeri gelire sahip model-servis işletmeleri için ayrı ticari lisans gerekiyor.

Teknik tarafta ne var?

StepFun'un teknik blogu, 92 katmanlı seyrek GQA mimarisini ve blok bazlı token birleştirmeyi anlatıyor. Şirkete göre bu yaklaşım, indeksleyici ve top-k seçim maliyetini yaklaşık sekizde bire indiriyor ve milyon tokenlık dikkat mekanizmasını pratik hale getiriyor. Eğitim tarafında on-policy eğitim–çıkarım bit düzeyinde hizalama, yük farkındalıklı zamanlama, spekülatif kod çözme ve FP8 yolları öne çıkıyor; StepFun bu kombinasyonun uzun soluklu pekiştirmeli öğrenmeyi uçtan uca 3 kattan fazla hızlandırdığını belirtiyor.

Ölçümler ve karşılaştırma

Bağımsız değerlendirme platformu Artificial Analysis, modele bileşik zeka endeksinde 43,7–44 puan veriyor; aynı fiyat bandındaki muhakeme modellerinin medyanı 24 düzeyinde. Şirketin kendi bildirdiği sonuçlara göre FrontierFinance testinde 66,4 puan alan model, Claude Opus 5'in 69,7 ve GPT-6 Astra'nın 55 puanının arasında yer alıyor; DRACO testinde 83,3 puanla yine ikinci sırada. Kodlama tarafında DeepSWE v1.1'de 67,7, StepCodeBench'te 49,0 ve ProgramBench'te 80,5 puan bildiriliyor. Bu karşılaştırmalarda Step 5 Preview yüksek, rakipler en yüksek muhakeme seviyesinde çalıştırıldı; StepCodeBench şirketin kendi testi olduğu için sonuçlar üretici beyanı olarak okunmalı.

Nasıl çalıştırılır?

Model kartında vLLM, SGLang ve Transformers için kurulum kılavuzları yer alıyor. Model ayrıca StepFun platformu ve API üzerinden kullanılabiliyor; Claude Code entegrasyonu Step Plan aboneliğiyle sunuluyor. Step 5 Preview'ın Çin'de Tencent WorkBuddy üzerinde 25 Ekim'e kadar ücretsiz kullanılabileceği duyuruldu.

Değerlendirme

Step 5 Preview, açık ağırlıklı modellerde maliyet-zeka dengesini yukarı taşıyan bir adım. Ancak iki nokta net olmalı: ağırlıklar OSI onaylı bir açık kaynak lisansı altında değil ve modelin yerelde çalıştırılması ciddi donanım yatırımı gerektiriyor. Buna karşın 1 milyon token bağlam, uzun kod tabanları ve büyük dokümanlarla çalışan ekipler için somut bir seçenek oluşturuyor.