Step 5 Preview 發表：低價長工時推理，需要能淘汰錯誤的回饋
重點摘要
StepFun 發表 600B 參數的 Step 5 Preview，開放 API，並預告釋出權重。官方程式優化案例說明了長時間工作的可能性，但低 token 單價尚不能證明每次合格修改的總成本更低。
StepFun 在 2026-09-20 發表 Step 5 Preview，讓開發者多了一個長時間推理的模型選項。目前公開資料缺少一般團隊每次取得合格程式修改的總費用；單價降低後，重試與檢查是否也變少，會影響這款模型能替使用者省下多少成本。每日經濟新聞
每日經濟新聞於當日 10:27 刊出正式發布消息，Artificial Analysis 則將模型釋出日列為 2026-09-18。本文報導的是 20 日官方宣布，採台北同日出刊，查核截止為 20:36；官方頁面未列發布時刻，API 首次啟用時間尚無法確認。官方表示目前可透過 API 使用，模型權重預定 2026-10-15 釋出，不能把現有服務寫成已能下載完整模型自行部署。官方公告 每日經濟新聞 獨立評測
模型採混合專家架構，總參數為 600B，每次啟用 27B，支援 1M tokens 上下文。這讓較長的任務紀錄有空間留在輸入中，但容量本身無法證明模型會正確運用每段資訊。釋出權重後的硬體配置與授權，也要依實際文件判斷，不能從啟用參數量直接推算部署費用。每日經濟新聞
Artificial Analysis 列出的 Intelligence Index 分數為 44，輸入與輸出每百萬 tokens 分別為 USD 1 與 USD 2.70。其測試消耗約 160M 輸出 tokens，高於受測模型約 92M 的中位數。這是該評測條件下的用量，不能套用到每個應用；它至少提醒開發者，單價與總用量必須一起看。獨立評測
官方提供一個 H100 程式核心優化案例：在 24 小時預算內，約 22 小時達到 508 TFLOPS，採用的是 4 次執行中最佳的一次。模型根據吞吐量回饋淘汰較慢的修改。這是廠商展示，並非一般專案的平均成果，也沒有證明各種長時間工作都有相同成功率。官方公告
程式可以量測速度，文件仍需定義可接受的結果
這個案例讓我偏向把低價長工時推理用在能反覆驗證結果的任務。程式優化有可量測的吞吐量；在確認正確性後，較快的版本才有保留理由。多給模型時間，可以增加嘗試不同做法的機會，前提是系統能辨認哪些修改讓結果退步，並保留已驗證的版本。
假設模型改為整理一份產品需求文件，篇幅增加或文字更流暢，就未必代表需求更完整。團隊若沒有定義哪些使用情境不能漏掉，模型可能持續潤飾同一份缺漏文件。這種工作需要先建立可回查的需求依據，再決定哪些修改可以自動接受；增加推理時間無法代替這項產品判斷。
低單價仍有實際用途。對已有明確驗證方法的工作，同一筆預算可以容納更多候選做法，不必把第一次可用的答案直接當成最終版本。但比較方案時，我會把被淘汰的執行、測試運算與人工確認一起計入，而不只比較成功那次用了多少 tokens。這是從展示條件推導的成本口徑，現有來源沒有提供足以計算一般團隊回報的資料。
這次發布已增加 API 選擇；預告中的權重則可能讓部署方式增加彈性，仍須等待實際交付。我會用每次通過相同驗收條件的修改所需總費用，判斷便宜的長時間推理是否帶來收益。只要被接受的結果沒有增加，模型多工作幾小時就還不能算作效率提升。
封面沿用本站代理系統插畫，並非 Step 5 的架構圖或發布圖片；來源圖片因網路解析失敗未能下載。
來源：