O que o StepFun Step 5 Preview realmente é
Passei os últimos anos colocando IA em filas de suporte reais, então leio todo lançamento de modelo do mesmo jeito: não "o benchmark é bonito?", mas "eu poderia dar a isso um trabalho de verdade amanhã?". O Step 5 é um modelo genuinamente interessante e também um bom exemplo de por que essa segunda pergunta importa.
A StepFun (阶跃星辰) é um laboratório de Xangai que lança há alguns anos a família "Step" para texto, visão e áudio, com uma boa presença de pesos abertos no Hugging Face. O Step 5 Preview é o novo carro-chefe, descrito na página do produto como um modelo de fronteira "para trabalho complexo e tarefas agênticas", com foco especial em engenharia de software e finanças.
O enquadramento a que a StepFun sempre volta é "avançar a fronteira de Pareto", a linha das melhores trocas possíveis entre inteligência e dinheiro. O próprio gráfico de lançamento diz isso claramente: igualar a faixa aberta mais barata em inteligência e vencê-la em custo.
Note a afirmação embutida nesse gráfico: um custo 65% menor que o GLM-5.3 e o Kimi K3 com nível de inteligência comparável. É um gráfico do fabricante, então leia como a proposta, não como o veredito, mas ao menos é uma proposta coerente.
Como funciona o MoE esparso: 600B totais, 27B ativos
A especificação principal em que todos se fixaram é o formato do modelo: 600B de parâmetros totais, 27B ativos por token. É um design de mistura de especialistas esparsa, e é toda a história do custo em um número.
Em um modelo denso, todos os parâmetros rodam para cada token. Em um modelo de mistura de especialistas, um pequeno roteador escolhe um punhado de sub-redes "especialistas" para cada token, então só uma fatia do modelo é realmente acionada. O Step 5 mantém na memória 600B de tamanho de fronteira, mas acende apenas 27B por vez, e é por isso que a StepFun consegue precificá-lo como um modelo de faixa intermediária.
Nem todos acreditam que a conta fecha a favor do Step 5. A contagem de parâmetros ativos surgiu logo no 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."
É um desafio justo. 27B ativos é mais pesado que algumas faixas "flash" rivais, então o ganho de eficiência é na verdade sobre a inteligência por parâmetro ativo, não sobre a contagem de ativos isoladamente. É exatamente o tipo de coisa que benchmarks de inferência independentes vão resolver, e os gráficos da própria StepFun não.
Ele também é um modelo de raciocínio, com um controle reasoning_effort em low, medium ou high. Mais esforço significa um rastro de pensamento interno mais longo e, como os tokens de saída são cobrados incluindo esse rastro, o esforço é um botão direto de custo.
O que ele faz: contexto, modalidades e capacidades
Esta é a ficha técnica da documentação da plataforma da StepFun, a parte mais relevante se você realmente está pensando em construir em cima dele.
| Spec | Step 5 Preview |
|---|---|
| ID do modelo | step-5-preview |
| Arquitetura | MoE esparso, 600B totais / 27B ativos |
| Janela de contexto | 1M de tokens |
| Saída máxima | 64k tokens |
| Tipos de entrada | Texto, imagens, vídeo |
| Tipo de saída | Texto |
| Raciocínio | reasoning_effort: low / medium / high |
O contexto de 1M de tokens é a especificação em que eu mais me apoiaria. É suficiente para colocar uma base de código inteira, um trimestre de transcrições de suporte ou uma pilha de PDFs em uma única chamada e pedir raciocínio entre documentos. No lado multimodal, dá para passar até 60 imagens por requisição, além de clipes de vídeo curtos, embora a saída seja só texto.
A StepFun aposta pesado na história de programação. Ela afirma que o Step 5 vai "da engenharia de software e aplicações visuais ao hardware programável", e que em avaliações de especialistas cerca de 70% dos participantes o julgaram capaz de resolver de forma autônoma tarefas de programação de complexidade moderadamente alta. Há também uma integração com o Claude Code por meio do "Step Plan" que expõe o contexto completo de 1M, um lugar inteligente para encontrar desenvolvedores.
Os benchmarks e a ressalva honesta
A StepFun publicou uma tabela comparativa completa contra pares abertos (Kimi K3, GLM-5.3) e a fronteira fechada (GPT-6 Astra, Claude Opus 5). Aqui está o formato dela, com todos os números da página do produto da 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 |
A leitura é consistente: o Step 5 Preview fica em paridade com os outros modelos abertos líderes e atrás dos melhores modelos fechados em qualidade bruta de programação, enquanto vence em custo. Finanças é seu destaque, onde ele supera por pouco os outros modelos abertos e vence o GPT-6 Astra. O próprio radar do StepCodeBench conta a mesma história contra a faixa aberta.
Agora a ressalva, porque é grande. Todo número acima é autorreportado, ainda não há relatório técnico nem paper, e o StepCodeBench é o benchmark da própria StepFun (553 repositórios, 33 linguagens). Um modelo tende a se sair bem no teste que a própria equipe projetou. A comunidade também apontou rápido os pontos mais fracos, principalmente a verbosidade:
"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."
E um comentarista flagrou a demo de lançamento se entregando, o tipo de coisa que me faz querer rodar minhas próprias avaliações antes de confiar em qualquer coisa:
"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."
Nada disso faz do Step 5 um modelo ruim. Faz dele um modelo não comprovado, o que é diferente, e a resposta correta é simulá-lo na sua própria carga de trabalho em vez de aceitar o gráfico do lançamento ao pé da letra.
Quanto custa e como acessar
O preço é a parte deste lançamento de que é realmente fácil gostar. Da página de preços da StepFun, por 1M de tokens:
| Unidade de cobrança | Entrada (cache miss) | Entrada (cache hit) | Saída |
|---|---|---|---|
step-5-preview | $1.00 | $0.05 | $2.70 |
step-3.7-flash (para referência) | $0.20 | $0.04 | $1.15 |
O desconto de 95% em cache hit na entrada é o destaque, e é muito importante para cargas agênticas que reenviam a cada passo um prompt de sistema grande e quase estático. A saída a $2,70 cobre tanto o rastro de raciocínio quanto a resposta final, então uma execução tagarela de alto esforço custa dinheiro de verdade. Há um nível V0 gratuito para testar (5 de concorrência, 10 requisições por minuto), com limites de taxa que crescem conforme o valor que você recarregou.
No acesso é que o rótulo "Preview" mostra a que veio. Hoje o modelo é só via API, e a StepFun mantém uma contagem regressiva pública até os pesos abertos.
O repositório no Hugging Face já existe, mas é um espaço reservado vazio, sem model card, pesos ou licença até o momento em que escrevo. A linha Flash da StepFun saiu sob Apache 2.0, então um lançamento aberto permissivo é provável, mas eu não montaria um plano on-premises em cima de pesos que ainda não chegaram.
Para quem é o Step 5 e quem deve esperar
Aqui é onde eu chegaria. Se você é desenvolvedor ou laboratório e quer um modelo capaz, barato e de contexto longo para construir em cima, especialmente para programação, finanças ou pesquisa em grandes conjuntos de documentos, o Step 5 Preview merece um teste de verdade. A história de preço por inteligência é legitimamente boa, e a promessa de pesos abertos o torna ainda mais interessante.
Se você está esperando um modelo consolidado e comprovado, espere. É uma preview, os benchmarks são autoavaliados e a primeira leitura da comunidade é "promissor, mas verboso e não comprovado". Até um comentarista simpático descreveu o padrão com delicadeza:
"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."
Dou crédito à StepFun por aquilo que a maioria dos lançamentos erra: saber o que são. Como disse um comentarista, o posicionamento é honesto em ser o melhor da faixa mais barata em vez de fingir liderar as paradas:
"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."
Onde um modelo bruto termina e um colega começa
Há um enquadramento que eu contestaria, e não é culpa da StepFun, vale para todo lançamento de modelo. Um modelo não é uma solução. O Step 5 Preview é um motor. Ele dá a você uma API, uma conta de tokens e capacidade bruta. Transformar isso em algo que responde aos seus clientes significa que você constrói o aplicativo, conecta seus dados, escreve as proteções e cuida da manutenção.
Essa lacuna é o motivo de a eesel existir. Em vez de um modelo bruto, você contrata um colega pronto para trabalhar em uma tarefa específica. O colega de IA para o helpdesk entra na sua fila atual, treina com seus tickets passados e sua central de ajuda e redige ou envia respostas dentro do helpdesk que você já usa, seja o Zendesk, o Freshdesk ou o Gorgias. O preço é uma tarifa fixa por resolução, sem taxa por assento, então o custo acompanha o trabalho feito, não os tokens queimados.
O que mais me importa, dado o problema dos benchmarks autorreportados acima, é que você pode simular o colega em milhares dos seus próprios tickets passados antes que ele toque em um cliente real, e assim vê a taxa de resolução real na sua carga de trabalho em vez do gráfico de um fabricante. E se você prefere operá-lo por um terminal ou script em vez de um painel, a eesel oferece uma CLI e um servidor MCP reais para que agentes de programação como o Claude Code operem diretamente o mesmo colega. Modelos novos como o Step 5 são infraestrutura empolgante. Um colega é quem de fato aparece para o turno. Você pode testar a eesel de graça.