Ce qu'est vraiment StepFun Step 5 Preview
J'ai passé les dernières années à mettre de l'IA sur de vraies files de support, donc je lis chaque lancement de modèle de la même façon : pas « le benchmark est-il joli », mais « pourrais-je lui confier un vrai travail demain ». Step 5 est un modèle réellement intéressant, et aussi un bon exemple de la raison pour laquelle cette seconde question compte.
StepFun (阶跃星辰) est un laboratoire de Shanghai qui publie depuis quelques années la famille « Step » pour le texte, la vision et l'audio, avec une solide présence de poids ouverts sur Hugging Face. Step 5 Preview est son nouveau modèle phare, décrit sur la page produit comme un modèle de frontière « pour le travail complexe et les tâches agentiques », avec une inclinaison particulière vers l'ingénierie logicielle et la finance.
Le cadrage auquel StepFun revient sans cesse est « repousser la frontière de Pareto », la ligne des meilleurs compromis possibles entre intelligence et argent. Son propre graphique de lancement le dit clairement : égaler le segment ouvert moins cher en intelligence, le sous-coter en coût.
Notez l'affirmation intégrée à ce graphique : un coût inférieur de 65 % à GLM-5.3 et Kimi K3 pour un niveau d'intelligence comparable. C'est un graphique d'éditeur, lisez-le donc comme l'argumentaire et non comme le verdict, mais l'argumentaire est au moins cohérent.
Comment fonctionne le MoE parcimonieux : 600B au total, 27B actifs
La spécification phare sur laquelle tout le monde s'est focalisé est la forme du modèle : 600B de paramètres au total, 27B actifs par token. C'est une conception à mélange d'experts parcimonieux, et c'est toute l'histoire du coût en un seul chiffre.
Dans un modèle dense, chaque paramètre s'exécute pour chaque token. Dans un modèle à mélange d'experts, un petit routeur choisit une poignée de sous-réseaux « experts » pour chaque token, de sorte que seule une tranche du modèle s'active réellement. Step 5 garde en mémoire 600B à taille de frontière mais n'en allume que 27B à la fois, ce qui explique que StepFun puisse le tarifer comme un modèle de milieu de gamme.
Tout le monde n'est pas convaincu que le calcul tourne en faveur de Step 5. Le nombre de paramètres actifs est vite apparu sur Hacker News :
"600b-a27b doesn't sound enticing. Also with the higher number of active parameters compared to GLM 5.3 flash and DeepSeek V4/4.1 flash, I don't see how they want to be more efficient at inference."
C'est une objection légitime. 27B actifs, c'est plus lourd que certains segments « flash » concurrents, donc le gain d'efficacité porte en réalité sur l'intelligence par paramètre actif, pas sur le nombre de paramètres actifs en lui-même. C'est exactement le genre de point que trancheront des benchmarks d'inférence indépendants, et non les graphiques de StepFun.
C'est aussi un modèle de raisonnement, avec un contrôle reasoning_effort réglé sur low, medium ou high. Un effort plus élevé signifie une trace de réflexion interne plus longue et, comme les tokens de sortie sont facturés trace comprise, l'effort est un levier direct sur le coût.
Ce qu'il sait faire : contexte, modalités et capacités
Voici la fiche technique tirée de la documentation de la plateforme de StepFun, la partie la plus pertinente si vous envisagez réellement de construire dessus.
| Spec | Step 5 Preview |
|---|---|
| ID du modèle | step-5-preview |
| Architecture | MoE parcimonieux, 600B au total / 27B actifs |
| Fenêtre de contexte | 1M de tokens |
| Sortie max | 64k tokens |
| Types d'entrée | Texte, images, vidéo |
| Type de sortie | Texte |
| Raisonnement | reasoning_effort : low / medium / high |
Le contexte de 1M de tokens est la spécification sur laquelle je m'appuierais le plus. Il suffit pour déposer toute une base de code, un trimestre de transcriptions de support ou une pile de PDF dans un seul appel et demander un raisonnement entre documents. Côté multimodal, vous pouvez passer jusqu'à 60 images par requête, plus de courts clips vidéo, mais la sortie est uniquement du texte.
StepFun mise fortement sur le récit du code. Il affirme que Step 5 peut aller « de l'ingénierie logicielle et des applications visuelles au matériel programmable », et que, dans des évaluations d'experts, environ 70 % des participants l'ont jugé capable de résoudre de façon autonome des tâches de code de complexité moyenne à élevée. Il existe aussi une intégration Claude Code via « Step Plan » qui expose le contexte complet de 1M, un endroit malin pour rencontrer les développeurs.
Les benchmarks et la réserve honnête
StepFun a publié un tableau comparatif complet face aux pairs ouverts (Kimi K3, GLM-5.3) et à la frontière fermée (GPT-6 Astra, Claude Opus 5). En voici la forme, tous les chiffres provenant de la page produit de StepFun.
| Benchmark | Step 5 Preview | Kimi K3 | GLM-5.3 | GPT-6 Astra | Claude Opus 5 |
|---|---|---|---|---|---|
| DeepSWE v1.1 | 67.7 | 67.5 | 66.9 | 74.1 | 74.0 |
| StepCodeBench | 49.0 | 43.9 | 40.2 | 61.0 | 63.9 |
| ProgramBench | 80.5 | 77.8 | 72.0 | 85.4 | 82.3 |
| Terminal-Bench v4 | 33.3 | 12.6 | 41.9 | 57.9 | 52.3 |
| FrontierFinance | 66.4 | 62.6 | 64.1 | 55.0 | 69.7 |
La lecture est cohérente : Step 5 Preview se situe à parité avec les autres grands modèles ouverts et derrière les meilleurs modèles fermés sur la qualité brute en code, tout en gagnant sur le coût. La finance est son point fort, où il devance de peu les autres modèles ouverts et bat GPT-6 Astra. Son propre radar StepCodeBench raconte la même histoire face au segment ouvert.
Voici maintenant la réserve, car elle est de taille. Tous les chiffres ci-dessus sont auto-déclarés, il n'y a pas encore de rapport technique ni d'article, et StepCodeBench est le benchmark maison de StepFun (553 dépôts, 33 langages). Un modèle a tendance à bien paraître sur le test conçu par sa propre équipe. La communauté a aussi vite signalé les points plus faibles, surtout la verbosité :
"Based on the examples, it's like the thing took a writing class from Claude, but isn't quite as smart, kind of worst of both worlds. The 'Interactive Reporting' one is particularly terrible. A huge amount of waffly padding around a thesis that may or may not exist."
Et un commentateur a vu la démo de lancement se trahir, le genre de chose qui me donne envie de lancer mes propres évaluations avant de croire quoi que ce soit :
"In their first demo video, to make a 3D render of the photo, the thinking trace gives away the game [...] I'm always astounded how little effort is put into checking the AI answers displayed in these announcements."
Rien de cela ne fait de Step 5 un mauvais modèle. Cela en fait un modèle non éprouvé, ce qui est différent, et la bonne réaction est de le simuler sur votre propre charge de travail plutôt que de prendre le graphique de lancement pour argent comptant.
Ce qu'il coûte et comment y accéder
Le tarif est la partie de ce lancement qu'il est vraiment facile d'apprécier. D'après la page de tarifs de StepFun, par 1M de tokens :
| Unité de facturation | Entrée (cache miss) | Entrée (cache hit) | Sortie |
|---|---|---|---|
step-5-preview | $1.00 | $0.05 | $2.70 |
step-3.7-flash (pour référence) | $0.20 | $0.04 | $1.15 |
La remise de 95 % en cas de cache hit sur l'entrée est le point fort, et elle compte beaucoup pour les charges agentiques qui renvoient à chaque étape un gros prompt système en grande partie statique. La sortie à $2,70 couvre à la fois la trace de raisonnement et la réponse finale, donc une exécution bavarde à effort élevé coûte de l'argent réel. Il existe un niveau V0 gratuit pour tester (5 de concurrence, 10 requêtes par minute), avec des limites de débit qui montent selon le montant rechargé.
C'est sur l'accès que l'étiquette « Preview » prend tout son sens. Le modèle n'est disponible que par API aujourd'hui, et StepFun affiche un compte à rebours public jusqu'aux poids ouverts.
Le dépôt Hugging Face existe déjà mais n'est qu'un espace réservé vide, sans fiche de modèle, poids ni licence au moment de la rédaction. La gamme Flash de StepFun est sortie sous Apache 2.0, une publication ouverte permissive est donc probable, mais je ne bâtirais pas de plan sur site autour de poids qui ne sont pas encore arrivés.
À qui s'adresse Step 5 et qui devrait attendre
Voici où j'atterrirais. Si vous êtes développeur ou laboratoire et voulez un modèle capable, peu cher et à long contexte sur lequel construire, surtout pour le code, la finance ou la recherche sur de gros ensembles de documents, Step 5 Preview mérite un vrai test. L'histoire du rapport prix-intelligence est réellement bonne, et la promesse de poids ouverts le rend encore plus intéressant.
Si vous attendez un modèle stabilisé et éprouvé, attendez. C'est une préversion, les benchmarks sont auto-notés, et le premier avis de la communauté est « prometteur mais verbeux et non éprouvé ». Même un commentateur bienveillant a décrit le schéma avec douceur :
"The previous Step models were pretty decent, but unfortunately for them, their model reasons too much and too long [...] Hopefully this doesn't reason too long to get to the answer. I welcome any open model, the more the merrier."
Je reconnais à StepFun le mérite de ce que la plupart des lancements ratent : savoir ce qu'ils sont. Comme l'a dit un commentateur, le positionnement est honnête sur le fait d'être le meilleur du segment moins cher plutôt que de prétendre dominer les classements :
"Their posisitoning is nice. Instead of saying they are cheaper and a bit less performant (in terms of intelligence), they say they are best among the cheaper and a bit less performant ones."
Où un modèle brut s'arrête et où un coéquipier commence
Il y a un cadrage que je contesterais, et ce n'est pas la faute de StepFun, il vaut pour tous les lancements de modèles. Un modèle n'est pas une solution. Step 5 Preview est un moteur. Il vous donne une API, une facture de tokens et une capacité brute. Transformer cela en quelque chose qui répond à vos clients signifie que vous construisez l'application, branchez vos données, écrivez les garde-fous et assurez la maintenance.
Cet écart est la raison d'être d'eesel. Au lieu d'un modèle brut, vous embauchez un coéquipier prêt à travailler pour une mission précise. Le coéquipier IA pour le helpdesk rejoint votre file existante, s'entraîne sur vos anciens tickets et votre centre d'aide, et rédige ou envoie des réponses dans le helpdesk que vous utilisez déjà, que ce soit Zendesk, Freshdesk ou Gorgias. La tarification est un forfait par résolution, sans frais par siège, de sorte que le coût correspond au travail accompli plutôt qu'aux tokens brûlés.
Ce qui m'importe le plus, vu le problème des benchmarks auto-déclarés évoqué plus haut, c'est que vous pouvez simuler le coéquipier sur des milliers de vos anciens tickets avant qu'il ne touche un seul client en direct, ce qui vous montre son vrai taux de résolution sur votre charge de travail plutôt que sur le graphique d'un éditeur. Et si vous préférez le piloter depuis un terminal ou un script plutôt qu'un tableau de bord, eesel fournit une vraie CLI et un serveur MCP pour que des agents de code comme Claude Code fassent fonctionner directement le même coéquipier. Les nouveaux modèles comme Step 5 sont une infrastructure passionnante. Un coéquipier, c'est ce qui se présente vraiment pour le service. Vous pouvez essayer eesel gratuitement.
Comment StepFun Step 5 se compare-t-il à GPT-6 Astra et Claude Opus 5 ?