A StepFun anunciou o Step 5 Preview, seu novo modelo flagship para trabalhos agênticos. Trata-se de um modelo esparso Mixture-of-Experts (MoE) com 600 bilhões de parâmetros totais, dos quais apenas 27 bilhões são ativados por token — aproximadamente 4,5% dos pesos em operação. O modelo visa suprir demandas em engenharia de software, trabalho profissional e finanças com proposta de custos reduzidos em comparação com alternativas.
Arquitetura e capacidades técnicas
O Step 5 Preview foi construído com 92 camadas Transformer em layout estreito e profundo. Segundo a StepFun, essa abordagem de pilhas mais profundas oferece caminhos mais longos para raciocínio implícito multi-salto, particularmente relevante durante o prefill prolongado quando agentes executam buscas, rodam código e processam retornos de ferramentas.
A janela de contexto atinge 1 milhão de tokens, suportando entrada de texto, imagens e vídeo. O modelo oferece três níveis de esforço de raciocínio — baixo, médio e alto — além de streaming, chamada de ferramentas, JSON Mode, JSON Schema e cache de prompt. Um caso de uso documentado pela StepFun coordenou 950 requisições web em uma única ação de agente. Há também integração com Claude Code através do Step Plan da empresa.
Quanto ao treinamento, a StepFun investiu em aprendizado por reforço long-horizon orientado por política (on-policy). Técnicas adicionais incluem alinhamento bit-wise entre treinamento e inferência na rota MoE, decodificação especulativa MTP-3, MoE FP8 e offload de KV-cache. A empresa relata mais de 3x aceleração end-to-end para RL long-horizon.
Desempenho e comparação com rivais
Em testes de desempenho, o Step 5 Preview foi executado com esforço Alto, enquanto modelos concorrentes usaram esforço Máximo. A StepFun reporta os seguintes resultados em tarefas de codificação:
- DeepSWE v1.1: 67,7 pontos
- StepCodeBench: 49,0 pontos
- ProgramBench: 80,5 pontos
O GPT-6 Astra e Claude Opus 5 mantêm desempenho superior em todas as três métricas. Vale notar que StepCodeBench é um benchmark próprio da StepFun.
Em dois experimentos agênticos com duração de 24 horas cada, o Step 5 Preview demonstrou resultados competitivos. No primeiro, otimizou um kernel H100 para 508 TFLOPS, contra 493 do Claude Opus 5. No segundo, elevou o desempenho do Qwen3-30B-A3B em AIME24 de 53,3% para 60% através de pós-treinamento automatizado.
A avaliação independente da Artificial Analysis classifica o Step 5 Preview com pontuação 44 em seu Intelligence Index. A mediana para modelos de raciocínio em faixa de preço similar é 24. A mesma análise mediu a saída em 99,8 tokens por segundo na API da StepFun.
Preços e disponibilidade
A API está disponível com preços de $1,00 por 1 milhão de tokens de entrada e $2,70 por 1 milhão de tokens de saída. Para contexto, a Artificial Analysis reporta medianas de $1,88 para entrada e $10,00 para saída em modelos comparáveis.
Existe uma ressalva: o modelo gerou 160 milhões de tokens de saída na análise do índice, contra uma mediana de 92 milhões. O raciocínio verboso consome parte das economias por token. O acesso à API está ativo imediatamente, disponível através da plataforma StepFun.
Os pesos abertos estão programados para 15 de outubro de 2026. Uma vez liberados, será necessário planejar hardware com múltiplas GPUs: 600 bilhões de parâmetros ocupam aproximadamente 1,2 TB em formato BF16, antes do cache KV.
Análise Panorama IA
O Step 5 Preview representa uma estratégia clara de StepFun: priorizar eficiência operacional em workloads agênticos longos em vez de perseguir superioridade bruta em benchmarks tradicionais. A escolha de arquitetura profunda e estreita, combinada com MoE esparso, otimiza para cenários onde agentes realizam múltiplas operações sequenciais — exatamente os problemas em engenharia de software, análise profissional e tarefas financeiras.
Dois pontos merecem atenção. Primeiro: o modelo ativa apenas 4,5% dos pesos por token, mas isso não reduz exigências de memória para inferência tanto quanto poderia sugerir — a matriz KV-cache cresce com comprimento de sequência, não apenas com parâmetros ativos. Segundo: embora os preços de entrada sejam competitivos, a saída verbosa em testes elevou custos totais, limitando ganhos práticos em alguns cenários.
O prazo de pesos abertos em outubro de 2026 é significativo para comunidades que buscam alternativas hospedáveis. Organizações interessadas em agentes de longa duração em domínios especializados devem acompanhar: se a StepFun demonstrar consistência em tarefas reais (além de benchmarks), o modelo pode viabilizar um novo padrão de custo-desempenho em IA agêntica, particularmente com suporte a múltiplas modalidades que modelos agênticos recentes começam a explorar.
Fonte: MarkTechPost
Sobre o autor
