Hacker News 中文摘要

RSS订阅

Step 5 Preview, a 1M-context MoE from StepFun, shows up on OpenRouter

原文链接 | HN讨论 | 2026-10-09 18:22:18

阶跃星辰（StepFun）的 Step 5 预览版（Step 5 Preview）是面向智能体工作的旗舰模型，基于稀疏混合专家架构构建，激活参数为 27B、总参数为 600B。它在软件工程和专业知识工作中表现强劲，金融领域尤为突出，并专为可跨越较大范围的扩展任务而设计。

正文

Step 5 Preview 是 StepFun 用于智能体工作的旗舰模型，基于稀疏混合专家架构（激活 27B / 总参数 600B）。它在软件工程和专业知识的任务上表现强劲，尤其在金融方面更为突出。该模型面向跨大型代码库和文档的扩展任务，能够使用工具并经过多步优化结果。

价格方面，输入 / 输出为每百万 token $1 / $2.70。上下文长度为 1.0M。发布时间为 2026 年 10 月 8 日。

提供商

该模型仅由一家提供商托管。OpenRouter 会将每个请求直接转发给它，无需做出路由决策。

| 提供商 | 输入/百万 | 输出/百万 | 缓存读取/百万 | 延迟 | 吞吐量 | 正常运行时间 | | --- | --- | --- | --- | --- | --- | --- | | StepFun | $1.00 | $2.70 | $0.05 | 3.47 s | 76 tps | 100.00% |

定价

下面是客户实际支付的平均价格，以及提供商列出的价格。由于缓存和折扣，实际支付价格通常远低于标价。

加权平均

加权平均输入价格为每百万 token $0.09664，加权平均输出价格为每百万 token $2.70。

Step 5 Preview 价格历史

| 图表可见性 | 提供商 | 有效输入/百万 | 有效输出/百万 | 缓存命中率 | 1 天 token 份额 | | --- | --- | --- | --- | --- | --- | | | StepFun | $0.0966 | $2.70 | 95.1% | 100.0% |

性能

吞吐量指模型写入的速度（每秒 token 数，越高越好）。延迟指总往返时间（越低越好）。TTFT 是首个 token 返回的时间，即看到任何输出前需要等待的时间（越低越好）。

吞吐量为 81 tok/s（P50，跨提供商最佳）。延迟为 3.47 s（P50，最佳提供商）。数据涵盖所有地区，推理强度为全部，时间跨度为 3 天。

各百分位吞吐量分别为：P99 平均 163 tok/s，P95 平均 134 tok/s，P90 平均 118 tok/s，P75 平均 87 tok/s，P50 平均 61 tok/s。延迟方面，P50 平均 2.94 s，P75 平均 6.43 s，P90 平均 14.19 s，P95 平均 23.92 s，P99 平均 55.40 s。端到端延迟方面，P50 平均 13.05 s，P75 平均 28.66 s，P90 平均 65.77 s，P95 平均 105.57 s，P99 平均 301.60 s。工具调用错误率方面，StepFun 平均为 1.81%。结构化输出错误率方面，StepFun 平均为 15.15%。缓存命中率方面，StepFun 平均为 95.20%。

正常运行时间

正常运行时间指过去 3 天内至少有一家提供商响应请求的时间百分比。可用性指成功提供推理服务的时间百分比。OpenRouter 持续监控，并在某家提供商返回错误时切换到下一个最佳提供商。

过去 3 天的正常运行时间为 99.99%（模型可达，请求已路由到提供商）。过去 3 天的可用性为 99.68%（推理返回自任意提供商，错误和空响应计入不可用）。

过去 3 天的可用性

时间为 10 月 6 日上午 10 点至 10 月 9 日上午 10 点，可用性为 99.68%。

过去 24 小时的可用性

OpenRouter 可用性为 99.69%。

当上游提供商出现错误时，只要请求过滤允许，OpenRouter 会路由到另一个健康的提供商进行恢复。可以通过 Endpoints API 以编程方式访问各提供商的正常运行时间数据，了解有关负载均衡和自定义选项的更多信息。

应用

以下是向该模型发送流量最多的公共应用，能反映真实生产负载，也提示了该模型最适合哪些用例。

  1. OpenClaw：OpenClaw 是一个开源 AI 智能体，可连接到消息应用并代表用户执行真实操作，包括运行命令、浏览网页、管理文件和发送电子邮件。313B tokens
  2. Hermes Agent：Hermes Agent 是 Nous Research 开发的开源自我改进 AI 智能体，具备跨会话的持久记忆，并从经验中构建可复用技能。它内置 40 多种工具，包括网页搜索、浏览器自动化和视觉，以及定时任务和子智能体。180B tokens
  3. Cline：Cline 是一个位于 IDE 内部的开源 AI 编码智能体，可自主探索代码库、编辑文件、运行终端命令并使用浏览器自动化。60.5B tokens
  4. Kilo Code：Kilo Code 是一个开源 AI 编码智能体，可在 VS Code、JetBrains 和 CLI 中工作，通过智能体工作流帮助开发者更快交付代码。13.4B tokens
  5. Nous Research API：Nous Research 是一个专注于推进开源 AI 的 AI 研究团队。12.6B tokens

活动

该模型随时间变化的 token 量和请求流量如下。Prompt（提示）token 为 547B，Completion（完成）token 为 2.74B，Reasoning（推理）token 为 1.49B。提示 token 衡量输入大小，推理 token 显示响应前的内部思考，完成 token 反映总输出长度。

API

以下是调用该模型的即插即用代码。OpenRouter 的 API 与 OpenAI 兼容，大多数 SDK 只需更换 base URL 即可工作。不同模型之间唯一变化的是下面的模型 slug。

  1. 获取 API 密钥

在 OpenRouter 控制面板中创建 API 密钥，并将其设置为环境变量：

获取 API 密钥

export OPENROUTERAPIKEY=sk-or-v1-...

  1. 发起第一个请求

使用 stepfun/step-5-preview 调用 OpenRouter API。OpenRouter 支持具备推理能力的模型，可展示逐步思考过程。在请求中使用 reasoning 参数启用推理，并通过响应中的 reasoning_details 数组查看模型在最终答案之前的内部推理。继续对话时，需保留完整的 reasoning_details 并随消息传回模型，以便它从中断处继续推理。了解更多关于推理 token的信息。

下面示例中的 OpenRouter 专用请求头是可选的，设置后可以让你的应用出现在 OpenRouter 排行榜上。

TypeScript SDK 示例（使用 @openrouter/sdk）：

import { OpenRouter } from "@openrouter/sdk"; const openrouter = new OpenRouter({ apiKey: "" }); // 流式获取响应以在 usage 中获取推理 token const stream = await openrouter.chat.send({ chatRequest: { model: "stepfun/step-5-preview", messages: [ { role: "user", content: "How many r's are in the word 'strawberry'?" } ], stream: true } }); let response = ""; for await (const chunk of stream) { const content = chunk.choices[0]?.delta?.content; if (content) { response += content; process.stdout.write(content); } // 使用量信息在最后一个 chunk 中 if (chunk.usage) { console.log("\nReasoning tokens:", chunk.usage.completionTokensDetails?.reasoningTokens); } }

关于将第三方 SDK 和框架与 OpenRouter 结合使用的信息，请参阅框架文档。

  1. 启用流式传输

在请求体中添加 "stream": true，即可通过 server-sent events 接收响应。cURL 示例：

curl -N https://openrouter.ai/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $OPENROUTERAPIKEY" \ -d '{ "model": "stepfun/step-5-preview", "stream": true, "messages": [ {"role": "user", "content": "Hello"} ]}'

端点

发送给定聊天对话的模型响应请求，支持流式和非流式模式。

POST https://openrouter.ai/api/v1/chat/completions

Authorization：Bearer $OPENROUTER_API_KEY

Content-Type：application/json

HTTP-Referer：可选，你的站点 URL，用于排名

X-Title：可选，你的站点名称，用于排名

Model：stepfun/step-5-preview

使用 OpenAI Responses API 格式创建流式或非流式响应。

POST https://openrouter.ai/api/v1/responses

Authorization：Bearer $OPENROUTER_API_KEY

Content-Type：application/json

HTTP-Referer：可选，你的站点 URL，用于排名

X-Title：可选，你的站点名称，用于排名

Model：stepfun/step-5-preview

使用 Anthropic Messages API 格式创建消息，支持文本、图像、PDF、工具和扩展思考。

POST https://openrouter.ai/api/v1/messages

Authorization：Bearer $OPENROUTER_API_KEY

Content-Type：application/json

HTTP-Referer：可选，你的站点 URL，用于排名

X-Title：可选，你的站点名称，用于排名

Model：stepfun/step-5-preview

参数

| 名称 | 类型 | 默认值 | 说明 | | --- | --- | --- | --- | | reasoning | map | — | 控制支持思考 token 的模型的推理行为，包括是否启用推理、推理强度、最大推理 token 数，以及推理是否从响应中排除。 | | temperature | float | 1 | 该设置影响模型响应的多样性。 | | max_tokens | integer | — | 设置模型在响应中可生成 token 数的上限。 | | tools | array | — | 工具调用参数，遵循 OpenAI 的工具调用请求格式。 | | top_p | float | 1 | 该设置将模型的选择限制为一定比例的候选 token：仅保留概率累加为 P 的顶部 token。 | | stop | array | — | 如果模型遇到 stop 数组中指定的任何 token，则立即停止生成。 | | frequency_penalty | float | 0 | 该设置旨在根据 token 在输入中出现的频率控制其重复。 | | logprobs | boolean | — | 是否返回输出 token 的对数概率。 | | top_logprobs | integer | — | 一个 0 到 20 之间的整数，指定在每个 token 位置返回的最可能 token 数量，每个 token 附带相关对数概率。 | | response_format | map | — | 强制模型生成特定输出格式。 |

常见问题

Step 5 Preview 是什么？

Step 5 Preview 是 StepFun 用于智能体工作的旗舰模型，基于稀疏混合专家架构（激活 27B / 总参数 600B）。它在软件工程和专业知识的任务上表现强劲，尤其在金融方面更为突出。该模型面向跨大型代码库和文档的扩展任务，能够使用工具并经过多步优化结果。

Step 5 Preview 的费用是多少？

Step 5 Preview 的输入 token 为每百万 $1.00，输出 token 为每百万 $2.70，缓存读取为每百万 $0.05。

Step 5 Preview 的上下文长度是多少？

Step 5 Preview 的上下文窗口为 1,000,000 token，最多支持 64,000 个完成 token。

Step 5 Preview 支持工具调用和结构化输出吗？

支持。Step 5 Preview 接受 tools 用于函数调用，并通过 response_format 中的 JSON schema 支持结构化输出。

Step 5 Preview 支持哪些输入和输出？

Step 5 Preview 接受文本、图像和视频作为输入，并返回文本。

StepFun 还有哪些文本模型？

Step 3.7 Flash 和 Step 3.5 Flash 是 StepFun 的其他文本模型。

Step 5 Preview 是什么时候发布的？

Step 5 Preview 于 2026 年 10 月 8 日发布。

评论

讨论气氛偏冷淡、讽刺与自嘲，分歧主轴是新模型（Step-5）是否还有竞争力：多数声音质疑它，认为在智能、价格或产品意义上都不占优，甚至只是又一次平庸迭代；少数人觉得它至少比廉价基线 Gemini 3.8 Flash 更强且更便宜，值得一试。社区同时仍在重复“鹈鹕”梗并自我吐槽，而 600B-A27B 的规格也让本地部署期待落空。

认为新模型在各维度都缺乏竞争力、不值得关注

  • 有人根据 Artificial Analysis 的对比页面指出，它在智能等任何维度都不占优，并以“下次好运”表达不看好；也有人冷淡反问“这有什么值得关注的”。（较多人） > “它在任何维度上看起来都没有竞争力，下次好运吧。”（@esafak）

希望出现新架构，而不只是又一个 LLM

  • 有人表示自己虽喜欢试新模型，但更想看到真正的新东西，比如新架构；并认为现在的 LLM 太糙，社区本可以做得更好。（少数人） > “虽喜欢试新模型，但希望看到真正的新东西，比如新架构；现在的 LLM 太糙，本可以更好。”（@MisterMunchkin）

认为它比廉价基线更强更便宜，值得一试

  • 尽管还不足以让人立刻离开现有工具，但按 Artificial Analysis 的数据，它比作为“廉价且够聪明”参考线的 Gemini 3.8 Flash 更聪明，也稍微便宜，因此有人打算在 OpenCode 试用一周，只是不确定是否会从 Muse Spark 1.3 切换。（少数人） > “按 Artificial Analysis 的数据，它比我用来衡量‘廉价且够聪明’的 Gemini 3.8 Flash 更聪明，也稍微便宜一点。”（@robertlane0）

认为“鹈鹕梗”已被玩烂，不必每次新 LLM 都重复

  • 有人贴出用模型生成的 HN 风格评论图，图中让 minimaxir 抱怨说，没必要每次有新 LLM 的讨论就暗示西蒙的鹈鹕，这种玩笑比 Reddit 梗还偷懒；配图是一只得意骑自行车的鹈鹕，并注明生成耗时 12 分钟、花费 0.28 美元。这条纯玩笑折射出社区对重复烂梗的厌烦。（少数人，纯玩笑但代表社区情绪） > “每次有新 LLM 的帖子都拿西蒙的鹈鹕玩梗真没必要，这比 Reddit 梗还偷懒。”（@minimaxir）

有价值的补充

  • Step 系列此前被视为第一款能在 128GB 共享内存上跑得不错的本地模型，有人原本期待拿它和 Qwen Flash Next 对比；但新模型实际是 600B-A27B，228GB 内存的机器也根本带不动，无法复现当年小内存本地部署的体验。（@syntaxing）