阶跃星辰 Step-5-Preview 发布：600B MoE 架构与 1M 上下文重塑 Agent 性能标杆

核心事件

阶跃星辰（Stepfun）正式发布其旗舰级模型 Step-5-Preview。该模型采用 600B 总参数、27B 激活参数的 MoE（专家混合）架构，支持 100 万超长上下文，并针对 Agent 智能体任务、软件工程及金融专业领域进行了深度优化。

• ▶ 非对称 MoE 架构：通过 600B 总参数储备海量知识，仅激活 27B 参数进行推理，在维持顶级性能的同时显著提升了推理效率与响应速度。
• ▶ Agent 原生设计：不同于传统对话模型，Step-5 在任务规划、工具调用及复杂逻辑编排上表现出极强的“智能体属性”，旨在解决实际生产力瓶颈。
• ▶ 专业领域 SOTA：在金融分析与大规模代码库处理上展现出前沿性能，长文本能力使其在复杂 RAG 场景中具备极高可用性。

八卦洞察

阶跃星辰此次发布释放了一个明确信号：国产大模型正在从“通用追赶”转向“场景超车”。Step-5-Preview 的 600B/27B 配置是一种极具战略眼光的“非对称作战”。在算力成本依然高企的背景下，这种高稀疏度的 MoE 架构能以极低的推理成本提供媲美千亿级稠密模型的知识深度。特别是其 1M 上下文窗口，结合 Agent 任务优化，直接切中了企业级应用中“长文本+高逻辑”的刚需。阶跃星辰（由前微软副总裁姜大昕创立）的技术底蕴在模型对长程依赖的处理上得到了充分体现，这不仅是参数规模的胜利，更是工程效率的胜利。

行动建议

对于开发者，建议立即测试 Step-5 在长代码库重构和多工具调用场景下的稳定性，评估其作为 Agent 中枢的潜力。对于金融与法律等高门槛行业，该模型提供的 1M 上下文能力可作为替代传统复杂 RAG 架构的方案，用于处理超长文档的深度审计与合规分析。企业用户应关注其推理成本优势，在同等预算下实现更高频次的智能体交互。