国产大模型Step 5 Preview开源，登顶OpenRouter全球第二

阶跃星辰正式开源Step 5 Preview模型权重，BF16、FP8两个版本同步上线HuggingFace和ModelScope。该模型采用稀疏MoE架构，总参数量600B、激活参数仅27B，支持100万Token上下文窗口，在Artificial Analysis Intelligence Index榜单中取得44分，位居全球开源模型前三。截至2026年10月15日，其Token用量在OpenRouter周榜、日榜均位列第二，近七日用量约18.8万亿Token。评测数据显示，其单任务平均成本仅0.71美元，为Claude Opus 5的1/8。在软件工程、专业知识工作、金融领域等基准测试中表现均衡，在ALE-CLI、FrontierFinance、DRACO上优于Kimi K3、GLM-5.3，仅次于GPT-6 Astra或Claude Opus 5。

技术设计上，Step 5 Preview由92个Transformer模块堆叠而成，深度与万亿参数级开源大模型相当，但总参数量不足其1/4，激活参数不足1/3。阶跃星辰解释，智能体任务中模型需不断调用外部工具，更依赖读取上下文时的“隐式推理”，加深层数可为多跳推理提供更长信息传递路径，同时控制参数规模与计算开销。注意力机制按3:1交错布置Gated滑动窗口注意力层与稀疏全注意力层。

针对百万token上下文的注意力开销，模型在全注意力路径采用Sparse GQA稀疏注意力机制，先筛选再计算。具体方案包括：将相邻历史位置压缩为块，块大小设为8，筛选成本下降8倍；对相邻token筛选结果取并集合并计算，改善GPU利用率；确定每8个token为一组、共筛选4096个token的配置，信息覆盖率与精细方案几乎相同（78.06%对79.09%）。

训练稳定性方面，团队在FP8低精度训练框架下采取三项措施：将隐藏状态转为FP32精度，极端值下降近十倍；将归一化层缩放因子转为FP32，缓解输出震荡；细粒度梯度钳制，仅对每层梯度中占比0.00004%的异常值限幅，抑制梯度尖峰，使收敛曲线更平滑。

Step 5 Preview从两条路径推进落地：面向开发者开放BF16、FP8两种精度权重；面向普通用户接入腾讯WorkBuddy，开放为期两周的免费试用。模型权重开放意味着这些技术设计将接受更多真实部署环境和复杂任务的检验。