导读：在OpenRouter用量周榜冲到全球第二之后，阶跃星辰把Step 5 Preview的BF16与FP8权重正式开放。它用600B总参数承载模型容量，每个Token只激活约27B参数，同时把上下文窗口拉到100万Token。比参数更值得关注的是：92层窄深网络、Sparse GQA和训练稳定性设计，正在把超大模型的竞争从“堆规模”推向长任务效率与单位成本。
先把边界说清：OpenRouter第二名是2026年10月15日前后的榜单快照，不能当作永久排名；模型是开放权重而非没有限制的公共领域软件，自建部署也仍要面对完整600B权重的存储、显存和通信开销。
01 / 600B总参数、27B激活，为什么这两个数字必须一起看？
Step 5 Preview采用稀疏MoE架构，总参数达到600B，但每个Token只调用约27B参数参与计算。它的逻辑不是让全部600B参数每次都跑一遍，而是先把输入路由给更合适的专家，从而用较低的活跃计算量承载更大的知识与能力容量。
这对推理成本很关键，但也最容易被误读。27B激活参数不等于模型文件只有27B。完整权重仍然需要存储并分布到多张GPU上，专家路由还会带来跨卡通信。因此，它适合专业集群、云服务和企业私有部署验证，并不是普通消费级显卡可以轻松运行的“27B小模型”。
02 / OpenRouter周榜第二，代表用户正在用，但不等于所有能力第二
截至2026年10月15日前后的榜单快照，Step 5 Preview进入OpenRouter周用量全球第二；相关统计窗口内约处理18.8万亿Token。这说明开发者确实在大规模调用它，尤其愿意把它放进代码、Agent和长任务流程里测试。
但用量榜衡量的是Token消费，不是统一能力考试。免费或低价策略、上下文长度、渠道曝光、批量Agent任务都会改变Token规模。更稳妥的判断是：这张榜单证明它获得了真实使用热度，而不是证明它在每个基准上都排名第二。
03 / 92层“窄而深”：把计算放到更多推理步骤里
官方技术资料显示，Step 5 Preview由92个Transformer块组成。相比把单层做得更宽，窄深设计让信息经过更多连续变换，在维持活跃参数规模的同时增加推理深度，尤其面向软件工程、Agent调用和专业分析等需要多步判断的任务。
这种设计不是免费午餐。层数越深，串行计算路径越长，对内核效率、GPU调度、通信和推理框架优化提出更高要求。模型能否真正跑得快，不能只看27B激活参数，还要看整条服务栈。
04 / 3:1注意力交错：局部计算与全局信息交换轮流上场
模型按3:1交错使用三层Gated Sliding Window Attention和一层稀疏全局注意力。滑动窗口层重点处理邻近上下文，控制日常计算量；全局层负责跨越更远距离建立联系。对百万Token上下文来说，这比每一层都对全序列做密集注意力更现实。
Sparse GQA进一步用轻量索引器筛选最值得读取的历史Token。官方方案把Key按8个Token分组，并为每组挑选4096个候选Token。块级选择的覆盖率约78.06%，与更细粒度选择约79.09%的结果接近，却显著降低索引与读取成本。
做视频网观点：100万Token最有价值的地方不是“一次塞进更多文字”，而是让Agent在长时间运行中保留代码、日志、文档、工具结果和决策轨迹。真正决定体验的，是模型能否在长上下文里找到正确证据，而不是上下文计数器能否显示1M。
05 / 超大MoE训练最怕不稳定，官方用了三层防线
大规模MoE训练中，偶发的数值异常可能快速放大。Step 5 Preview把隐藏状态保留为FP32、让RMSNorm缩放参数维持FP32，并加入细粒度梯度钳制。官方披露，被真正钳制的梯度只占约0.00004%，目标不是全面压低梯度，而是精准处理极少数异常尖峰。
这类工程细节通常不如跑分吸睛，却决定了训练能否持续、检查点是否可靠，以及后续权重能否稳定复现。对想做二次训练的团队来说，训练稳定性与官方提供的运行配方，往往比单项榜单更重要。
06 / 跑分与成本怎么看？先看任务，再看评测口径
在发布期展示的第三方评测快照中，Step 5 Preview的综合智能指数为44，并位于开放权重模型前列；单任务成本示例约0.71美元，而同一评测快照中的Claude Opus 5约为5.86美元。模型在软件工程、Agent、专业工作和金融相关基准中表现突出。
这些数字可以用来筛选候选模型，不能代替业务验证。提示词、推理预算、采样参数、工具环境、并发方式和计价策略都会改变结果，模型及价格也可能更新。采购或迁移前，最好用自己的代码库、文档和工具链做盲测。
07 / 与闭源API、其他开放模型相比，Step 5 Preview适合谁？
| 选择 | 主要优势 | 主要代价 | 更适合 |
|---|---|---|---|
| Step 5 Preview | 开放BF16/FP8权重、1M上下文、可做私有化与深度优化 | 完整600B权重对集群、带宽和运维要求高 | 有多卡基础设施、重视数据控制和长Agent任务的团队 |
| Claude、GPT等闭源API | 接入快、基础设施由厂商管理、工具生态成熟 | 按量付费、权重不可控、数据与区域合规需评估 | 追求快速上线、团队运维资源有限的产品 |
| 其他开放权重MoE | 可按硬件、语言、许可证和生态选择 | 不同模型的激活参数、上下文与运行配方不可直接横比 | 愿意在真实任务上做多模型评测与路由的团队 |
08 / 实用教程：从API验证到私有部署，别一上来挑战1M
- 先选三类真实任务：代码修改、长文档问答和多工具Agent各准备20至50个样本。
- 先用官方API做价值验证：记录正确率、首Token延迟、输出速度、工具成功率和单任务成本。
- 再选权重格式：精度复现优先BF16，显存和吞吐敏感可测试FP8，但必须重新跑业务评测。
- 从8K或32K上下文开始：逐步扩大到128K、256K，监控预填充时间、KV缓存、检索正确率与OOM。
- 按官方仓库准备推理环境：核对GPU架构、CUDA、驱动、框架版本和多卡通信配置。
- 给Agent上护栏：命令执行、文件写入、网络访问和费用预算都要有限制，并保留完整审计日志。
- 最后计算总成本：把GPU折旧、闲置率、运维、故障恢复和升级成本一起算进去，而不是只比较每百万Token价格。
发布期内，WorkBuddy提供了Step 5 Preview的限时体验入口。体验活动可能随时间调整，实际可用状态以产品页面为准。对多数团队而言，先用托管服务判断任务价值，再决定是否承担600B模型的私有部署成本，是更稳妥的路线。
09 / 开放权重之后，真正的考题才刚开始
Step 5 Preview最有意义的地方，不只是把一组强模型权重放出来，而是给了开发者检查真实效率的机会：27B激活参数能否在自己的硬件上兑现成本优势，Sparse GQA能否在长任务里保持检索质量，92层深网络能否被推理框架充分利用。
它更像一台面向专业团队的高性能发动机，而不是开箱即用的消费级应用。有集群、有真实Agent任务、愿意做评测和系统优化的团队，最有机会吃到它的优势；只想快速接入聊天能力的产品，托管API可能仍然更省事。
站内入口与延伸阅读
- Step 5 Preview站内导航：https://www.zuoshipin.com/link/55137.html
- OpenRouter站内导航：https://www.zuoshipin.com/link/23474.html
- AI资讯栏目：https://www.zuoshipin.com/category/ai-news
