Step 5 Preview 开源，OpenRouter 周榜第二，模型训练技术细节揭秘！

9 月 20 日上线的 Step 5 Preview 今日正式开源，放出 BF16 与 FP8 两版权重，同时发布了技术报告。

开源之前，这个模型已经在海外开发者社区跑出了还不错的的数据。10 月 8 日上架 OpenRouter 后，Step 5 Preview 的周调用量达到 18.8T token，周榜、日榜都排在全球第二，10 月 14 日单日调用 3.74T token。

有意思的是，在 OpenRouter 上，Step 5 Preview 调用量 Top5 的工具分别是 Hermes Agent、Kilo Code、OpenClaw、Cline 这些 Agent 工具，以及阶跃自己的 Step Code。这背后有阶跃的主动布局：近期，Step 5 Preview 在多款 Agent 工具上推出了限时免费活动。某种程度上，这也折射出大模型使用方式的变化：用户开始在 Agent 环境里尝试长程任务，而不是单纯在 chatbot 里的 api 调用。

更关键的是，能力到了、成本下来了，才会舍得在 Agent 里「狠命」用。正如 Step 5 Preview 发布的时候宣称的，追求智能效率的新一代「帕累托前沿」，Step 5 Preview 押注的方向，正是把这种用法上的变化带到交付结果的长任务上。

⬆️关注 Founder Park，最及时最干货的创业分享

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。

如果你正在做 AI 相关的事，欢迎和我们聊聊。

01

模型可以「放开用」，用法就完全不一样了

过去一年，大模型使用方式经历了一次质变，DeepSeek V4 Flash 把 token 成本打到了一个临界点，调用从「每次想想值不值」变成「随便跑」，开发者的行为也变了。最明显的变化是：Agent 的使用从「试着跑一次看看」，变成了循环式地跑。

Google 知名工程师 Addy Osmani 在今年六月给这种模式起了个名字，Loop Engineering。你的工作不再是写 prompt，而是设计一个替你写 prompt 的循环。Agent 自己发现任务、分配子 Agent、验证结果、记住进度，第二天接着跑。Anthropic 负责 Claude Code 的 Boris Cherny 做法更直接：「我不再 prompt Claude 了，我有循环在替我 prompt Claude。」

试错足够有性价比之后，很多任务会从抽样走向全量。代码 Agent 可以遍历整个项目，逐个检查文件；研究 Agent 可以扩大检索范围，交叉验证更多来源；一个方案失败后，模型还可以生成多个候选，再逐一测试。

Step 5 Preview 发布时展示过一个案例：模型获得 24 小时，在一张 NVIDIA H100 上从零优化一段 MLA GPU 内核。它自己编写代码、编译、测量性能，遇到退步就回到此前最好的版本，再尝试新的优化路径。经过 180 多轮迭代，最好一次达到约 508 TFLOPS。

Step 5 Preview 是阶跃在这一层下的注。过去几代 Step 模型更偏向 Flash 路线。Step 3.5 Flash 和 Step 3.7 Flash 都只有约 11B 激活参数，主要强调推理速度、工具调用和高频使用。到了 Step 5 Preview，模型规模扩大到 600B 总参数、27B 激活参数，并支持百万 Token 上下文。

目标很明确：把过去 Flash 模型带来的低成本调用，扩展到更复杂、更长时间的任务。官方的说法是，下一阶段的 Scaling 不只是更多 Compute，也包括更高效率的 Compute。

02

更长上下文、自动压缩，让长任务跑得更安心

伴随本次开源发布的技术博客《Inside Step 5 Preview: Architecture and Training for Agentic Work》，分享了阶跃星辰在 Step 5 Preview 训练上的一些心得。Agent 工作负载的三个核心难点：任务链路长、长上下文算不起、强化学习在长轨迹上难训。报告里几个设计选择都想解决这个问题：怎么让模型在长程 Agent 任务上更可靠，同时不让成本失控。

Step 5 Preview 堆了 92 层 transformer block，深度和 Kimi K3 这种万亿参数模型差不多，但总参数只有后者的不到四分之一，明显是想做深做窄。为什么 Agent 任务需要深度？Agent 干活时大量时间花在处理工具返回的上下文，没什么机会一步步写出推理过程，因此模型在 Prefill 阶段的隐式推理能力变得更加重要。更深的网络为多跳信息传递提供了更长的计算路径，而相对较窄的设计则有助于控制计算成本。注意力机制上，模型引入了 Sparse GQA，并通过 Block-wise Token Merging 优化稀释索引，把索引与 Top-K 筛选环节的计算开销压到原来的八分之一，信息覆盖率几乎没损失。定价，缓存读取只要原价十分之一，Agent 循环里大量重复的系统 prompt 和工具定义天然命中率就高，OpenCode 此前的数据显示，Step 5 Preview 输入 token 里有 96% 命中了缓存。

上下文窗口从上一代的 256K 拉到了 1M，但很多真实任务本身就比窗口还长。报告给出的思路是不让任务长度被窗口卡住：上下文快用满时，Agent 不是被动被截断，而是自己把手头的工作状态整理成一份可以接续的摘要，然后继续往下做。这个能力是放进强化学习里和任务奖励一起端到端训出来的，不是外面套的规则。博客还引用 Rich Sutton 的《The Bitter Lesson》来解释，让模型自己学会管理上下文，而不是靠人写规则去裁剪。所以 Step 5 Preview 能处理的任务长度理论上不会被 1M 的窗口卡死，训练目标就是让 Agent 在有限的工作记忆里持续把任务往前推

强化学习训长轨迹本身也有不少坑要填。模型想走捷径作弊的时候，系统会当场拦住这一步并且扣分，提示它换条路继续，而不是直接判整条轨迹失败。团队还发现，最长最难的训练样本容易在流程中途悄悄丢掉，模型会因此越来越偏向简单任务，于是给每条样本记账，把丢失率压到了 1% 以下。训练用的任务按「要跑多久、要改多深」来挑选，阶跃为此构造了百万级可验证的任务环境，覆盖软件工程、科学推理、机器学习研发和专业知识工作。

模型之外，harness 同样很重要。9 月 23 日，阶跃开源了 Step 5 Preview 的官方 Agent 工具 Step Code。根据阶跃 Harness 团队的说法，Step 3.5 Flash 时期团队就想着「除了提升模型自身能力，能不能靠加强 harness，让模型在实际任务中表现得更好？」尤其对于需要大量工具调用和持续执行的长程 Agent 任务，Harness 的设计直接影响任务完成率和 Token 消耗。基于这样的思路，Step Code 将 Token 效率作为核心优化方向，主打 Same smarts，fewer tokens。

把长任务拆给多个上下文相互独立的子 Agent 并行执行，冗余内容不进入主对话；/goal 可以把一个目标交出去，让 Agent 持续推进。阶跃自测的结果，同一个 Step 5 Preview 模型搭配六家 harness，Step Code 的长程任务完成率为 73.3%，每个任务平均消耗 5.09M token，两项都排第一。

当然，也不是没有缺点，目前开发者的吐槽中，主要是模型在执行任务时的输出依然偏多，单步回复的精简度还有提升空间。但模型都开源了，单任务成本还只有 Claude Opus 5 的 1/8，也很香了。

03

模型触达用户最短的路径，在 Agent 里

模型能力和成本只是一半。阶跃围绕 Step 5 Preview 这半个月的动作，还想去降低另外一个成本，用户试用一个新模型的摩擦成本。

今天的开发者，以及越来越多的办公用户，默认在 Agent 工具里干活，模型触达用户最短的路径，是出现在 Agent 工具的模型列表里。OpenRouter 的应用榜上，调用量最大的已经是开源 Agent 框架 Hermes Agent，单日 2T token，排在 Claude Code 前面。在这类工具里换一个模型，可能只需要 /model 切换下。

Step 5 Preview 在推特上也是这么宣传的：「Keep your workflow. Switch your model.」（工作流不用动，换个模型就行。）上架 OpenRouter 前后几天，它陆续接入到 Cline、Kilo Code、Nous Research 的 Hermes 和 OpenCode 里，并在这些工具里限免一周。

而在国内，9 月 22 日上线字节的 Coding 产品 TREA。在 10 月 12 日到 25 日，在腾讯的 WorkBuddy 上独家限免，用户做深度研究、数据分析、文档和 PPT 时，可以直接把多步骤任务交给它持续执行。阶跃自己的 Step Code，在 OpenRouter 上 Step 5 Preview 的主要来源里，也排进了 Top 5。

今天 Step 5 Preview 开源之后，模型的使用方式也变得更加开放。开发者也可以自行部署了，让各类工具、托管方都可以接入 Step 5 Preview，企业也能把它部署在自己的机器上，接进自己的数据和系统。

Agent 工具已经成为模型触达开发者最短的路径，在最接近用户工作场景的工具里，让用户开箱即用，已经是今天每一个模型都要做的工作了。

模型层面压低了长任务的成本，在产品层面压低了开发者换一个模型的摩擦成本。从模型到 Agent 工具到办公场景。从 Step 3.5 Flash、Step 3.7 Flash 到 Step 5 Preview，阶跃一直在围绕 Agent 任务推进基座迭代，关注的是能力、计算效率和实际应用之间的最优解，追求智能的效率上限。

转载原创文章请添加微信：founderparker