StepFun publie Step 5 Preview en poids ouverts : MoE de 600B, 27B activés, contexte de 1M
Selon un article de MarkTechPost du 16 octobre 2026, StepFun publie Step 5 Preview en poids ouverts : 600B de paramètres totaux, 27B activés par token, contexte jusqu'à 1M, avec des points de contrôle FP8 et BF16 disponibles sur Hugging Face et ModelScope.
Ce qui change
Selon un article de MarkTechPost du 16 octobre 2026, StepFun a publié Step 5 Preview sous forme de poids ouverts, avec des points de contrôle FP8 et BF16 sur Hugging Face et ModelScope ; l'API aurait été mise en ligne en premier le 20 septembre et les poids auraient suivi le 14 octobre, selon cet article. Le rapport indique que le modèle est une architecture à mélange d'experts clairsemé, avec 600B de paramètres totaux, 27B activés par token, un contexte allant jusqu'à 1M de tokens, une conception étroite et profonde de 92 couches, une alternance 3:1 entre attention à fenêtre glissante et attention complète, les couches d'attention complète sélectionnant 4096 tokens d'historique par requête, notés par blocs de 8, et une tête de décodage spéculatif MTP-3 apportant environ 30 % d'accélération de bout en bout. Le rapport liste des besoins matériels de 4 B300 ou 8 H200 pour le FP8, 8 B300 ou 16 H200 pour le BF16, un point de contrôle FP8 d'environ 650,32 Go, et des images vLLM et SGLang avec interface compatible OpenAI. Le rapport présente également des benchmarks auto-évalués par StepFun ainsi que des résultats indépendants d'Artificial Analysis et de Vals AI, en notant que dans l'auto-évaluation les concurrents utilisent Max effort tandis que Step 5 Preview utilise High reasoning, ce qui rend la comparaison non homogène.
Conséquences pour les développeurs
Pour les développeurs, cette publication place un contexte de 1M et des capacités d'agent longue portée parmi les options auto-hébergeables, mais le seuil est de niveau centre de données : la configuration minimale est de 4 B300 (FP8), le BF16 nécessite 8 B300 sur un seul nœud ou 16 H200 sur deux nœuds, ce qui rend difficile son intégration dans des clusters d'inférence classiques ou en périphérie. Côté licence, le rapport mentionne explicitement la StepFun Model License 1.0 ; des poids ouverts ne signifient pas une licence open source, et les conditions d'usage commercial, de redistribution et de dérivés doivent être vérifiées dans le texte de la licence, sans déduire l'étendue des droits de la simple visibilité des poids. Les évaluations citées dressent un profil de capacités nettement contrasté : 88,3 % sur AA-LCR en raisonnement à long contexte, 66,4 % sur FrontierFinance, mais seulement 33,3 % sur Terminal-Bench 4.0 (contre 41,9 % pour GLM-5.3), 0,4 % sur le SRE Bench de Vals AI et 9,2 % sur le benchmark d'agent juridique Harvey, ce qui suggère que la lecture à long contexte et les opérations multi-étapes de type terminal peuvent avoir des niveaux de robustesse différents. Le rapport indique aussi que l'API prend en charge les niveaux de raisonnement faible, moyen et élevé, l'appel d'outils et la sortie JSON Schema, ce qui représente un coût de modification relativement faible pour les équipes l'intégrant dans une chaîne compatible OpenAI existante. Il faut distinguer les faits rapportés des déductions : les benchmarks ci-dessus sont relayés par la source, les critères des auto-évaluations et des résultats indépendants diffèrent, et ils n'ont pas été revérifiés dans cet article.
Intégration et évaluation
Il est recommandé de choisir en fonction du profil de capacités plutôt que du score global. Première décision : si la charge de travail porte principalement sur des documents longs, des graphiques ou l'analyse de rapports financiers, les 88,3 % sur AA-LCR et 66,4 % sur FrontierFinance rapportés sont des signaux qui méritent d'être reproduits ; les équipes auto-hébergeuses peuvent d'abord utiliser la configuration FP8 à 4 B300 sur vLLM ou SGLang, avec les paramètres rapportés de temperature 1.0, top_p 0.95 et top_k 0, pour un petit échantillon comparatif ; cela suppose de disposer déjà de B300 ou de ressources mémoire équivalentes, et l'indicateur d'évaluation peut être le taux d'exactitude des champs de sortie structurés sur une tâche propre d'extraction de documents longs, comparé en paires à la ligne de base actuelle. Deuxième décision : si la charge de travail concerne l'exploitation en terminal, l'exécution de commandes multi-étapes ou l'automatisation de type SRE, les 33,3 % sur Terminal-Bench 4.0 et 0,4 % sur SRE Bench rapportés suggèrent de commencer par une analyse des modes d'échec avant de décider de l'adopter ; cela vaut si la tâche tolère mal les commandes erronées, et l'indicateur d'évaluation peut être le taux de réussite de bout en bout sur un ensemble d'étapes fixe et le nombre d'interventions humaines, avec un seuil d'adoption défini. Par ailleurs, les équipes évaluant la voie API devraient consulter la page tarifaire officielle de StepFun pour vérifier la facturation actuelle, car les prix de l'API et du cache peuvent évoluer. En matière de coût d'intégration, les images compatibles OpenAI et la prise en charge de JSON Schema peuvent réduire le travail de modification, mais il convient de vérifier la stabilité de l'appel d'outils et des sorties structurées avec son propre schéma avant une mise en production.
Limites et points à confirmer
Step 5 Preview n'apparaît pas actuellement dans le catalogue en temps réel de KimiSeek ; la disponibilité API mentionnée dans le rapport renvoie aux canaux officiels de StepFun et ne signifie pas que cette version est répertoriée sur ce site ; la présence au catalogue d'autres versions de la même famille ou de noms proches ne constitue pas non plus une disponibilité de cette version. Les benchmarks, configurations matérielles et prix décrits ici proviennent de l'article de MarkTechPost du 16 octobre 2026 ; les données auto-évaluées par StepFun et celles des concurrents ne sont pas à intensité de raisonnement équivalente, et les résultats indépendants proviennent de relais d'Artificial Analysis et de Vals AI, sans avoir été retestés dans cet article, et ne doivent pas être considérés comme des conclusions vérifiées. Le rapport le présente explicitement comme un Preview, et l'architecture comme les critères d'évaluation peuvent évoluer avec les versions ultérieures ; Transformers ne prendrait en charge que la génération hors ligne, et le flux complet de fragmentation BF16 n'a pas été validé de bout en bout, ce qui constitue également une inconnue dans l'évaluation de l'auto-hébergement. La licence est la StepFun Model License 1.0, et les conditions précises d'usage commercial et de redistribution doivent être consultées dans le texte original. Les prix et la disponibilité régionale peuvent changer ; veuillez vous référer aux pages officielles de tarification et de documentation.