600B 参数只激活 27B：阶跃 Step 5 Preview 全量开放 API，单任务成本只有 Opus 5 的八分之一

你让模型跑了一整晚的长任务，早上起来打开后台，账单三位数。结果呢？任务还卡在第四步。

说实话，这两年大家挑旗舰模型的方式一直挺离谱的：盯榜单分数，谁分高买谁。分数是爽了，钱包空了！

可真正吃掉预算的从来不是分数，是单价乘以长度。9 月 20 日阶跃星辰放出 Step 5 Preview，官方披露的一堆信息里，最值得重算的就是这笔账。

600B 的块头，27B 的胃口：稀疏 MoE 这笔效率账怎么算

先看架构。Step 5 Preview 是稀疏 MoE，总参数 600B，激活参数只有 27B。

什么意思？打个比方：一家 600 人的公司，每次开会只叫 27 个人进会议室。知识储备按 600 人算，干活开销按 27 人算。

这就是它能把价格压下去的物理基础。稠密模型要么块头大、要么便宜，二选一；稀疏 MoE 把这俩拆开了。说白了，架构决定成本天花板，定价只是结果。

再补一刀：账单上跟钱直接挂钩的是激活参数，不是总参数。前推时每个 token 只过 27B 的那条通路，600B 的剩余部分是躺着的知识库。你拿到的是大模型的知识面，付的是小模型的推理费。

44 分排进全球开源前三：但分数真不是今天的重点

Artificial Analysis Intelligence Index 得分 44 分，位居全球开源模型前三，和 Kimi K3 Max 持平。

再看几个硬指标：Terminal-Bench 4.0 上 Step 5 Preview 是 33%，Kimi K3 是 13%；SciCode 上两家都是 59%，打平。

在 ALE-CLI、FrontierFinance、DRACO 这几项上，官方披露仅次于 GPT-6 Astra 或 Claude Opus 5，领先其他参评开源模型。

跑分你大概已经在别处看过了。今天要算的不是分，是钱。

单任务成本 1/8：Opus 5 的钱到底花在哪了

官方口径很直接：单任务成本仅为 Claude Opus 5 的 1/8。

拆开看 AA 的计价：输入 1.00 美元/百万 tokens，输出 2.70 美元/百万 tokens，缓存折扣 95%，输出速度 100 tokens/s。AA 跑完整套 Intelligence Index 总成本 918.34 美元，指数任务平均 0.71 美元一项。

换成国内开放平台的人民币价更直观：普通输入 7 元/百万 tokens，输出 20 元/百万 tokens，缓存命中 0.35 元/百万 tokens。

盯住这个 0.35。它比普通输入低 95%，等于 20 倍差。长任务里 system prompt、工具定义、历史上文全在反复复用，这玩意儿的命中率有多高，决定了你真实账单有多低。

算一笔具体的。一个反复调用的长任务，输入侧按 100 万 tokens 算：全命中缓存是 0.35 元，全不命中是 7 元，差 6.65 元。看着不多？跑一千次就是 6650 元。该省的钱就这么从指缝里漏掉了。

600B 总参只激活 27B，稀疏 MoE 把能力和开销拆成了两笔账

长程 Agent 的真实形态：一条不断自我纠错的连续工作流

1M 上下文不是拿来炫的：长程任务才是它的主场

100 万 Token 上下文窗口，原生支持文本与视觉输入，输出文本。这个配置单看没感觉，得看它拿去干什么。

另外别忽略视觉输入这四个字。原生支持文本加视觉输入、输出文本，意味着截图、界面图、表格截图可以直接丢进去当上下文，不用先转一道文字。做设备调试和 UI 走查这类活，省掉的是一整条预处理链路。

官方披露的三个长程案例，一个比一个离谱：

在单张 NVIDIA H100 上连续 24 小时优化 MLA GPU Kernel，约 22 小时后达到 508 TFLOPS，Claude Opus 5 是 493 TFLOPS
自动化后训练实验里，把 Qwen3-30B-A3B 在 AIME24 上的准确率从 53.3% 提到 60%
按一句自然语言需求自主读 ESP32 设备与 API 文档，把一块 ESP32-S3 开发板改成支持蓝牙按键与语音输入的 Vibe Coding 键盘，中途访问串口、取截图、调摄像头、模拟鼠标，按真实设备返回的状态和报错持续改代码，连续执行超过 3 小时

据同花顺的实测报道，一次财报交付类的长任务跑了 88 分钟，模型能持续推进，遇到问题自己再修。

还有个细节值得留意：官方自建了 StepCodeBench，覆盖 553 个独立代码仓库、9 类任务、20 个应用领域、33 种编程语言。敢把代码能力摊到这个规模上测，说明对长程执行是有底气的。

手把手接进去：从开 API 到把缓存吃满

入口就这几个，按你的位置挑：

想先看效果：Studio 在线体验 studio.stepfun.com
国内调用：开放平台 platform.stepfun.com，Token Plan 49 元起
海外调用：platform.stepfun.ai
想啃技术细节：Model Blog 的 step-5-preview 页面

怎么切，看你现在的状态。如果你是新手，先去 Studio 把同一份长文档丢进去连问几轮，感受 1M 上下文的手感，别急着写集成；如果你已经在跑 Agent 流水线，那就只改两处，BASE_URL 和模型名，第一周别的都别动，只盯后台的缓存命中率。

省钱三招，按收益从高到低排。

第一招，把 system prompt、工具定义、长文档全塞进前缀，让它稳定命中缓存。输入价从 7 元掉到 0.35 元/百万，这是最大的一笔。

前缀越长越稳，缓存是按前缀匹配的，中间插一句变量就前功尽弃。多轮对话里尤其要小心，别把每轮的会话 ID 拼进前缀。

第二招，长任务拆 checkpoint，中间结果落盘，别每次从头重放。

第三招，管住输出。输出 20 元比输入 7 元贵一大截，能少说一句是一句。让它在结尾先给结论再给过程，实在要详细就分章节吐出来。啰嗦本身不是毛病，啰嗦乘以 20 元每百万就是毛病了。

第三招为什么单独拎出来？往下看。

坑都在这了：啰嗦、超时、还有那个拿不到的 95%

下面这些坑，官方不会用大字写在首页，但每一条都够让你的账单翻一倍。

坑 1：账单比预估高出一大截。根因是它真的啰嗦。AA 的公开标注写得很明白，这个模型回答非常冗长，评测里生成了 160M tokens，而中位数是 90M，冗长度排名 #65/200。速度 100 tokens/s 比中位数 65 快，但成本优势被长度吃回去了。解法：在 system prompt 里写死输出格式和长度上限，明确要求结论先行，超长部分直接截断。

坑 2：缓存折扣没生效，输入还按 7 元算。根因通常是前缀里混了动态内容，时间戳、随机数、每次现拼的 few-shot 样例，只要前缀字节级变了，缓存就整体失效。解法：动态部分全挪到后缀，前缀做成固定模板，一次都别动。

坑 3：长任务跑到一半断了。根因是单次请求超时，或者上下文被塞满。解法：每完成一个子任务就把结果摘要落盘，下一轮拿摘要续接，别硬撑 1M。

坑 4：以为 1M 就该全塞进去。根因是把上下文窗口当传送门，塞得越多注意力越散，命中也越贵。解法：先检索筛一遍，再喂 100K 精料，效果往往比全塞更好。