阶跃Step 5 Preview登顶全球第二，但我实测发现它比DeepSeek贵了一倍多

阶跃星辰的Step 5 Preview登顶OpenRouter Trending榜了，日榜全球第二。

AI研究员Elvis Saravia试用后表示能力可与GLM-5.3、Kimi K3媲美，价格处于“帕累托前沿”。10月15日开源完整权重，看起来一切都好。

但我翻完实测数据之后发现一件事：这个模型跑一个任务的钱，是DeepSeek V4 Pro的1.7倍。

不是它不好，是“便宜”这个标签得看跟谁比。

榜单上的排名，和实际用起来的差距

先说它的底子。Step 5 Preview采用稀疏MoE架构，总参数600B，每个Token激活27B，支持100万Token上下文，原生支持文本和视觉输入。在Artificial Analysis Intelligence Index上拿到44分，位居全球开源前三，和Kimi K3（Max）的44分持平。

600B总参数、27B激活这个组合，跟DeepSeek V4 Pro的1.6万亿总参数、49B激活比，体量只有不到四分之一，激活参数也少了一半。能跑到同一个分数段，工程上确实有东西。

但榜单分数和实际使用体验是两码事。

沙丘智库的团队用SQBench做了220项实战能力任务实测，Step 5 Preview（High）拿到50.00分，DeepSeek V4 Pro 0813（Max）是51.40分。两者只差1.4分。

看起来差距不大。但接下来的数据有意思了。

分数接近，成本差了将近两倍

同一个测试，沙丘智库的结论是：Step 5 Preview花了约1.7倍费用、2.1倍时间。

即便只取两者都完全通过的83项任务来比，Step 5 Preview的累计耗时仍约为DeepSeek V4 Pro 0813的2.3倍。

换句话说，同一个任务，DeepSeek花1块钱干完，Step 5 Preview要花1块7。DeepSeek用了1小时，Step 5 Preview用了2小时多。

为什么会这样？我翻了一下它的计费方式就明白了。

Step 5 Preview的API价格是输入7元/百万token、输出20元/百万token、缓存命中0.35元/百万token。DeepSeek V4 Pro空闲时段输入4.5元、输出13.5元，高峰时段输入翻倍但输出仍是13.5元。

输出价格上，Step 5 Preview比DeepSeek V4 Pro贵了将近50%。更关键的是，有实测者反馈Step 5 Preview“比较话唠”，输出Token多，实际成本还会进一步拉高。

按Artificial Analysis的口径，Step 5 Preview单个Intelligence Index任务成本是0.71美元，DeepSeek V4.1 Flash只要0.27美元。快思慢想研究院院长田丰直接指出：“Step 5 Preview并没有触及行业真正的成本地板”。

跑代码它确实强，但强在特定场景

公平地说，Step 5 Preview在编程和金融场景上确实有硬实力。

在SWE-bench Verified软件工程评测中，Step 5 Preview得分33.3%，远高于DeepSeek V4 Pro 0813（Max）的14.1%和Kimi K3（Max）的12.6%。SQBench的15项软件工程任务里，Step 5 Preview通过了10项，前代Step 3.7 Flash只通过6项。

数据分析是它进步最大的方向。15项任务中，Step 3.7 Flash一项都没通过，Step 5 Preview通过了11项。有一项任务是处理7991行订单数据、为50家客户计算RFM指标，Step 5 Preview交付了Python脚本、客户明细CSV和分析报告，拿到了满分。

报告里有个细节挺厉害：它发现排名第二的客户OUR Ltd，过去约每4天购买一次，现在已经14天没下单了，判断这是“最大的真实流失风险”。这种基于购买节奏而非简单阈值的判断，确实像人做的分析。

有人实测让它做一个3D网页小游戏，用Claude Code CLI调用Blender创建角色和关卡，再用Three.js做前端呈现。它完成了角色建模、6个浮空平台、5个能量球、碰撞检测、计分系统、通关提示的完整链路。这种“从创意到可运行工程”的端到端能力，在开源模型里算少见。

但Terminal-Bench的得分暴露了短板。 Step 5 Preview是1417 Elo，高于DeepSeek V4 Pro的1265，却低于Kimi K3的1488和GLM-5.3的1504。长程多步骤终端操作上，它还不是最强的。

想在自己电脑跑？先准备好1.2TB显存

10月15日开源完整权重，听起来很美好。但本地部署的门槛得说清楚。

600B参数在BF16精度下，光是权重就需要约1.2TB显存空间。即使换成FP8精度，也是接近600GB的体量，单机八卡未必宽松，何况还要给KV Cache留空间。

换句话说，这不是“消费级显卡能跑”的模型。 需要多GPU服务器环境才能承载。MoE降低的是调用成本，不是部署成本——这两个词经常被混着用，采购的时候会出人命。

如果你只是想体验，直接用API就行。新用户登录阶跃平台可以获得最长75天的免费使用权益，通过OpenRouter调用也可以，模型ID是 stepfun/step-5-preview 。

一个没人聊的问题：Agent模式下你的数据给了谁

Step 5 Preview重点面向的是Agentic任务和软件工程场景。有人实测连续执行超过3小时，包括访问串口、获取截图、调用摄像头。

这意味着它需要比普通对话模型更深的系统权限。

OpenAI的Agent擅改维基百科事件刚过去不到一周，维基媒体基金会称之为“rogue agents”。Step 5 Preview在Agent模式下同样需要读写文件、执行命令。但阶跃目前没有公开的沙箱隔离机制或权限管理方案。

开源模型的好处是你可以在自己的基础设施里部署，权限完全可控。但前面说了，本地部署需要1.2TB显存。走API调用的话，你的代码、文档和数据都要传到阶跃的服务器上处理。

能力越强的Agent，需要的权限越大；权限越大，数据暴露的面就越大。 这不是阶跃一家的问题，是整个Agent赛道的共性风险。

值不值得等，看你的场景

给一个直接的判断。

适合用的人： 做数据分析、金融研究、软件工程任务的团队，SQBench上这些方向的得分确实强。需要百万上下文处理长文档的场景，一次性塞进去不用切片。

不适合换的人： 已经在用DeepSeek V4 Pro做批量任务的，成本更低、速度更快，换过去没有明显收益。日常写东西、做摘要、翻译的，Step 5 Preview的输出偏冗长，反而更费钱。

想本地部署的： 等10月15日权重放出来，但先确认你的硬件够不够。16GB显存的消费级卡跑不动这个体量的模型。

Step 5 Preview是一款好模型。600B参数打出这个成绩，阶跃的工程能力值得认可。但“便宜”这个标签在实测数据面前站不住。便宜的参照系是Claude Opus 5，跟DeepSeek比它反而是贵的那个。

选模型这件事，别看宣传，看你自己的账单。