StepFun apresenta Step 5 Preview com 600B de parâmetros

O que foi lançado

A StepFun apresentou o Step 5 Preview, seu novo modelo principal, com 600 bilhões de parâmetros totais e 27 bilhões ativos em arquitetura MoE, sucedendo o Step 3.7 Flash (lançado em maio de 2026). O modelo tem janela de contexto de 1 milhão de tokens, aceita entrada de texto, imagem e vídeo e gera saída em texto. Está disponível pela API própria da StepFun com pesos fechados; há liberação de pesos abertos planejada para 15 de outubro.

Posição no ranking e custo

Segundo a Artificial Analysis, o modelo pontua 44 no Intelligence Index, empatando com o Kimi K3 (max) e ficando pouco atrás do GLM-5.3 (max) e do Qwen3.8 Max, ambos com 45. O destaque está no custo por tarefa: cerca de US$ 0,72 para rodar o Index, cerca de 2,8 vezes menos que os concorrentes de pontuação equivalente - US$ 2,00 do Kimi K3 (max) e US$ 2,01 do GLM-5.3 (max). A economia vem do preço, não do consumo de tokens: a precificação de US$ 1/US$ 2,70 por milhão de tokens de entrada/saída é bem abaixo da do Kimi K3 (US$ 3/US$ 15), enquanto o uso de tokens é semelhante (~164 milhões contra ~170 milhões de tokens de saída). O MiMo-V2.6-Pro é o único modelo que pontua mais (46) custando menos por tarefa (US$ 0,13).

Raciocínio como ponto forte

O raciocínio de fronteira é a maior evolução em relação ao Step 3.7 Flash. O modelo alcança 46% no Humanity's Last Exam (contra 47% do Kimi K3) e 21% no CritPt, entre o Kimi K3 (23%) e o GLM-5.3 (19%) - ganhos de +25 e +19 pontos, respectivamente, sobre o predecessor.

Conhecimento factual e alucinações

No AA-Omniscience, benchmark de memória factual e alucinação, o Step 5 Preview atinge 42% de precisão, acima do GLM-5.3 (34%, com 753B de parâmetros) e abaixo do Kimi K3 (48%, com 2,8T), levemente acima da tendência de escala com o tamanho. O limitador é comportamental, não de conhecimento: o modelo tenta responder 68% das perguntas (contra 55% do GLM-5.3) e alucina em 43% das tentativas (contra 30%), resultando em índice AA-Omniscience de 16, entre o GLM-5.3 (14) e o Kimi K3 (20).

Agente é o ponto fraco

Avaliações agênticas são onde o modelo fica atrás de rivais com pontuação similar no Index: no GDPval-AA, o resultado de 1.566 Elo fica atrás do Qwen3.8 Max (1.668) e do GLM-5.3 (max) (1.646). A mesma defasagem aparece no Terminal-Bench 4.0 (33% contra 39% e 42%), no AA-Briefcase (1.432 Elo contra 1.640 e 1.525) e no AutomationBench-AA (51% contra 56% e 62%).

Conclusão

O retrato que a análise desenha é de um modelo forte em raciocínio e conhecimento, com custo por tarefa muito competitivo, mas com duas limitações claras: taxa de alucinação elevada quando responde e desempenho inferior em tarefas agênticas em comparação com modelos de pontuação equivalente. A liberação de pesos abertos planejada para outubro é um fator a acompanhar, já que hoje os pesos ainda são fechados.