清华文科生实测Step 5 Preview：十万行代码项目能扛住吗

阶跃星辰推出 Step 5 Preview，官方定位是“往前推一步帕累托前沿”，即在能力相近的模型中追求最低成本。官方数据显示，同一任务成本约为 Claude Opus 5 的八分之一，是 GLM-5.3 和 Kimi K3 的 35%。10 月 8 日上线 OpenRouter，12 小时内登顶 Trending 第一。在 Artificial Analysis 智能指数上得分 44，官方称其位列全球开源模型前三。

作者以自己约十万行的开源邮件客户端 Pebble 进行实测。第一个任务是读懂项目，模型交回一份可用的说明，梳理了收信、存储、断网重发、追踪像素过滤等关键路径，后续发现的严重 Bug 多集中在这几条线交界处。第二个任务是全项目审查，模型并行开启 5 个分身，分别盯安全、界面、并发等，共发现约 60 个问题并排好轻重，最严重的 5 个还自行复核。最严重级别定义为丢数据、安全被绕过、数据悄悄损坏。具体问题包括：升级时误删邮件，因不同文件夹使用相同编号；Gmail 新邮件超过一页时只读第一页，后续邮件无法补回且无报错；信任状态串门，对 A 的信任会延续到 B，且可被伪造。这些问题单看代码段无异常，需多处对照才能发现。

第三个任务是修复这 5 个严重问题。修完后自动测试全跑一遍，仅界面就有 344 项全部通过。删邮件问题中，模型放弃彻底改编号的方案，因涉及面广、需迁移老数据且无真实账号验证，选择保守修法，撤销错误规则，并在交付说明中写明风险与后续建议。信任串门问题则交回后台判断，界面无权决定，切换邮件时清空状态。复审阶段，作者只说“review一下刚才的代码”，模型先自审补两处改进，再启动一个冷启动的审查分身做对抗性审查，同时主模型并行重跑测试。分身抓到硬伤，包括模型自己新引入的逻辑疏漏。模型未辩解，重新核查全库，确认仅新写部分漏判，补齐逻辑与安全盲点，并主动建议在更新日志中如实说明删邮件 Bug 曾影响正式版用户。

最后一个任务是按软件风格重做官网。模型先提取 App 配色与基调，判断旧官网杂志风与 App 不符，新站应跟随 App。成品首屏大标题“A calmer, more private inbox.”，仅 private 用陶土橙，下方为真实界面截图，整体暖白底、陶土橙按钮、大号黑字，与客户端一致。与 Fable 5.1 对比，后者首屏更精致讨巧，但走的是旧官网杂志风；按“按照软件的设计风格”要求，Step 5 Preview 更贴题。作者认为其优势在于先读懂产品再表达。