StepFun veröffentlicht offene Gewichte zu Step 5 Preview: 600B MoE, 27B aktiviert, 1M Kontext
Laut einem Bericht von MarkTechPost vom 16. Oktober 2026 hat StepFun Step 5 Preview mit offenen Gewichten veröffentlicht: 600B Gesamtparameter, 27B pro Token aktiviert, bis zu 1M Kontext, FP8- und BF16-Checkpoints auf Hugging Face und ModelScope.
Was sich geändert hat
Laut einem Bericht von MarkTechPost vom 16. Oktober 2026 hat StepFun Step 5 Preview mit offenen Gewichten veröffentlicht; FP8- und BF16-Checkpoints sind auf Hugging Face und ModelScope verfügbar, während die API laut diesem Bericht bereits am 20. September startete und die Gewichte am 14. Oktober folgten. Der Bericht beschreibt das Modell als sparse Mixture-of-Experts mit 600B Gesamtparametern, 27B pro Token aktiviert und bis zu 1M Token Kontext, mit einer schmalen, tiefen Architektur über 92 Schichten, gated Sliding-Window-Attention und Full Attention im Verhältnis 3:1 verschachtelt, wobei Full-Attention-Schichten pro Query 4096 historische Token auswählen, in Blöcken von 8 bewerten und ein MTP-3-Spekulations-Decoder-Head etwa 30 % End-to-End-Beschleunigung bringt. Der Bericht nennt für FP8 4 B300 oder 8 H200 und für BF16 8 B300 oder 16 H200; der FP8-Checkpoint umfasst etwa 650,32 GB, vLLM und SGLang bieten Images mit OpenAI-kompatibler Schnittstelle. Der Bericht führt sowohl StepFuns eigene Benchmarks als auch unabhängige Ergebnisse von Artificial Analysis und Vals AI auf und merkt an, dass in den Eigenbewertungen die Wettbewerber mit Max effort und Step 5 Preview mit High reasoning liefen, sodass der Vergleich nicht gleichartig ist.
Auswirkungen für Entwickler
Für Entwickler bringt diese Veröffentlichung 1M Kontext und Langstrecken-Agentenfähigkeiten in eine selbst hostbare Option, doch die Hürde ist Rechenzentrumsniveau: Die Mindestkonfiguration sind 4 B300 (FP8), BF16 benötigt 8 B300 auf einem Knoten oder 16 H200 auf zwei Knoten, was den Einsatz in üblichen Inferenzclustern oder am Edge schwer macht. Zur Lizenz: Der Bericht nennt ausdrücklich die StepFun Model License 1.0; offene Gewichte sind nicht gleichbedeutend mit einer Open-Source-Lizenz, und Bedingungen zu kommerzieller Nutzung, Weitergabe und Derivaten sind selbst im Lizenztext zu prüfen; aus der Sichtbarkeit der Gewichte lässt sich der Umfang der Rechte nicht ableiten. Die im Bericht zitierten Evaluierungen zeigen ein deutlich gespaltenes Fähigkeitsprofil: AA-LCR Langkontext-Reasoning 88,3 %, FrontierFinance 66,4 %, aber Terminal-Bench 4.0 nur 33,3 % (GLM-5.3: 41,9 %), Vals AI SRE Bench 0,4 %, Harvey Legal Agent Benchmark 9,2 %, was nahelegt, dass Langkontext-Lesen und terminalartige Mehrschritt-Bedienung unterschiedlich stark ausgeprägt sein könnten. Der Bericht nennt zudem API-Unterstützung für niedrige, mittlere und hohe Reasoning-Stärke, Tool-Calling und JSON-Schema-Ausgabe, was für Teams, die das Modell in bestehende OpenAI-kompatible Pipelines einbinden, geringen Anpassungsaufwand bedeutet. Zwischen berichteten Fakten und Ableitungen ist zu unterscheiden: Die genannten Benchmarks sind aus der Quelle übernommen, Eigenbewertungen und unabhängige Ergebnisse haben unterschiedliche Maßstäbe und wurden in diesem Artikel nicht nachgeprüft.
Integration und Bewertung
Die Auswahl sollte nach Fähigkeitsprofil statt nach Gesamtscore erfolgen. Erste Entscheidung: Wenn die Workload überwiegend aus Langdokument-, Diagramm- oder Finanzberichtsanalyse besteht, sind die im Bericht genannten 88,3 % bei AA-LCR und 66,4 % bei FrontierFinance reproduzierenswerte Signale; selbst hostende Teams können zunächst mit der FP8-Konfiguration aus 4x B300 auf vLLM oder SGLang nach den im Bericht empfohlenen Einstellungen temperature 1.0, top_p 0.95, top_k 0 einen kleinen Vergleich durchführen – vorausgesetzt, es stehen bereits B300 oder äquivalente Speicherressourcen zur Verfügung; als Bewertungsmaßstab kann die Genauigkeit strukturierter Ausgabefelder bei einer eigenen Langdokument-Extraktionsaufgabe im gepaarten Vergleich mit der aktuellen Baseline dienen. Zweite Entscheidung: Wenn die Workload Terminal-Bedienung, Mehrschritt-Befehlsausführung oder SRE-artige Automatisierung umfasst, deuten die im Bericht genannten 33,3 % bei Terminal-Bench 4.0 und 0,4 % bei der SRE Bench darauf hin, dass zuerst eine Fehlermodusanalyse erfolgen sollte, bevor über den Einsatz entschieden wird; Bedingung ist, dass die Aufgabe nur geringe Toleranz gegenüber falschen Befehlen hat; als Bewertungsmaßstab können End-to-End-Aufgabenerfolgsrate und Anzahl manueller Eingriffe auf einem festen Schrittsatz dienen, verbunden mit einer Einsatzschwelle. Teams, die den API-Weg evaluieren, sollten zudem die aktuelle Abrechnung auf der offiziellen Preisseite von StepFun prüfen; API-Preise und Cache-Preise können sich ändern. Beim Integrationsaufwand können OpenAI-kompatible Images und JSON-Schema-Unterstützung den Anpassungsbedarf senken, doch vor dem Produktivbetrieb sollte die Stabilität von Tool-Calling und strukturierter Ausgabe unter eigenen Schemata validiert werden.
Grenzen und offene Fragen
Step 5 Preview erscheint derzeit nicht im Echtzeitkatalog von KimiSeek; die im Bericht genannte API-Verfügbarkeit bezieht sich auf die offiziellen Kanäle von StepFun und bedeutet nicht, dass diese Version hier gelistet ist; dass andere Versionen derselben Reihe oder mit ähnlichem Namen im Katalog vorhanden sind, begründet ebenfalls keine Verfügbarkeit dieser Version. Die in diesem Artikel genannten Benchmarks, Hardwarekonfigurationen und Preise stammen aus dem Bericht von MarkTechPost vom 16. Oktober 2026; dabei sind StepFuns Eigenbewertungsdaten und die Wettbewerber nicht mit gleicher Inferenzstärke erfasst, und die unabhängigen Ergebnisse sind aus Artificial Analysis und Vals AI übernommen; alle wurden in diesem Artikel nicht erneut getestet und sollten nicht als verifizierte Schlussfolgerungen gelten. Der Bericht bezeichnet das Modell ausdrücklich als Preview; Architektur und Bewertungsmaßstäbe können sich mit späteren Versionen ändern; Transformers unterstützt nur Offline-Generierung, und der vollständige BF16-Sharding-Ablauf ist noch nicht End-to-End validiert, was ebenfalls eine Unbekannte in der Selbsthosting-Bewertung darstellt. Die Lizenz ist die StepFun Model License 1.0; konkrete Bedingungen für kommerzielle Nutzung und Weitergabe sind im Originaltext nachzulesen. Preise und regionale Verfügbarkeit können sich ändern; maßgeblich sind die offiziellen Preis- und Dokumentationsseiten.