Jay 发自 凹非寺 量子位 | 公众号 QbitAI 谁能想到，全球旗舰模型混战打到现在，局势依旧充满变数。 昨天， 阶跃星辰 毫无预兆地端出了最新一代旗舰基座模型——Step 5 Preview。 MoE架构，600B总参数、激活参数仅27B，1M上下文。 Agent能力大幅提升，在Artificial Analysis的最新评测中，Step 5 Preview取得44分，直接冲到全球开源Top 2。 要知道，其他拿到这一分数的大模型，大多都是万亿参数级别。 所以相比起来，阶跃这个新模型定价蛮便宜。 百万输入：1美元 百万输出：2.7美元 可以说很有竞争力了，单个 任务成本仅为Opus 5的12.5% 。 下面这张图更加直观。 AA榜单中， Step 5 Preview位于Intelligence Index与单任务成本权衡的「帕累托前沿」 。 说实话，看到这个消息时我有点意外。 阶跃挺久没出现在这么靠前的位置了，之前两代模型都聚焦在Flash这个档位。 但Benchmark这东西嘛，现在大家也都懂。 榜单上你追我赶，今天刷掉一个，明天又冒出来一个。真到要用的时候，模型到底行不行，完全是另外一码事。 所以我干了一件比较费钱的事： 烧了无数Token，并行跑了无数个3D资产、3D游戏…… 然后，我发现—— 这模型好像还真可以啊。。。 一手实测 最近Astra操控软件不是很火吗？ 所以API一接上，我直接给Step 5 Preview上强度，让它操作Blender，给我建一个后室出来。 说实话，最开始我没指望它真能交付出什么东西。 结果等它自己折腾了一个多小时，我打开文件夹，再点开渲染好的MP4，直接看愣了。 不er，这啥啊，你搁哪个网站下载的视频？？ 建模本身就不说了， 离谱的是，它居然自己给视频加了一堆后期 。 VHS录像质感、镜头噪点、昏黄灯光，人物走路的时候甚至还有脚步声。 给我看得有点毛骨悚然了，感觉转角会跳出一个《痴迷》女主。。。 所以咱还是做点老少皆宜的demo吧。 第二个任务，我让它照着1999年的《LEGO Racers》，直接搓一个乐高赛车游戏。 这次也挺完整。 赛道、赛车、人机车手、实时排名都有，甚至连发动机音效都给配上了。 也是给我玩得不亦乐乎。 唯一的问题是，这赛道修得也太窄了。。。 也可能主要还是因为我车技菜，经常一脚油门直接创路障上，有时候甚至连人机都跑不过。 不过吧，家人们，玩完两个3D Demo，我是真有点顶不住了。 你要知道，我是晕3D的。前面两个任务搓完，差点没搁工位上吐出来。。。 最后再奉上一个《花屋》建模，接下来咱还是做点简单的2D任务吧。 先做了个霓虹跑酷小游戏。有意思的是，我专门用了和阶跃上一代官网Demo类似的Prompt。 结果差距还是挺明显的。 道路两旁加了高楼，视觉层次更完整，Game Over之后整个边框还会跟着变红，很多Prompt里没写的小细节，它自己补上了。 然后我又让它做了个写作网站。 这里必须单独表扬一句。 终于不往东坡肉里塞番茄炒蛋了。 泪目。 这审美真可以啊，而且覆盖面特别全，基本能直接拿来用了。 不过，有时候还是会出现模块溢出这种小Bug，依然得review，依然得改。 前面几个Demo也是这样。 第一轮经常有些小细节不到位，离Astra那种「我咧个，这是AI做的？」的瘫软程度，肯定还有差距。 但还是能拿来干活的。 通常指出两三轮问题，它自己修一遍，就能到可用状态。 那么问题来了。 明明前面两代还都是Flash，怎么到Step 5 Preview，Agent能力突然猛了这么多？ 把算力花在刀刃上 过去几年，大模型行业最简单粗暴的信仰一直是Scaling。 更多参数，更多数据，更多算力。 确实很猛，Fable直接给Agent堆超模了，涌现出不少新技能点。 但问题也很明显—— 贵啊。。。 所以，Step 5 Preview当然也在Scaling，但它没有把「越大越好」当成唯一目标。 团队选择了一种叫 Narrow but Deep 的网络设计。 直译过来就是： 窄，但深。 92层的Transformer ，在控制激活规模的同时，让信息经过更多层连续变换。 这对Agent尤其重要。 复杂任务里，经常会有大量multi-hop依赖，前面搜到的信息，要经过很多步之后才能真正派上用场。 网络更深，相当于给这些信息留下了更长的传播和推理路径。 但Agent还有另一个麻烦—— Context。 几十轮工具调用之后，上下文能轻松滚到上百万Token。如果每一层都把前面所有内容重新扫一遍，计算量很快就会爆炸。 所以团队做的第二件事，就是稀疏化。 Sparse MoE、Hybrid Sparse、Sparse GQA……本质上都是在解决上下文的问题。 当然，算法层面写个Spar