阶跃 Step 5 Preview 登顶 OpenRouter Trending：600B MoE 只激活 27B，10 月 15 日开源值不值得等？

2026 年 10 月 10 日，阶跃星辰的旗舰基座模型 Step 5 Preview 出现在多家媒体报道里：登上 OpenRouter Trending 榜第 1 位，并在按每日 Token 处理量排名的日榜上列全球第 2。报道方包括上海证券报·中国证券网、澎湃新闻（新浪财经转载）、雷峰网、爱范儿、文汇报、观点网，口径一致，均写明「据官方消息，将于 10 月 15 日正式开源」。

先把榜单本身的性质说清楚，因为这决定了这条新闻值多少注意力。OpenRouter 是聚合多模型的开发者平台，Trending 榜按近期用量增长排序，日榜按每日处理的 Token 总量排序。也就是说，这两个榜测的是「多少人在用、用了多少」，不是「模型有多强」。它是采用率信号，不是能力信号。榜单名次本身是动态快照——百器AI 未能归档到静态名次页面（OpenRouter 模型页为 JS 渲染），所以本文不把「第 1 / 第 2」当作可长期引用的结论，只作为 10 月 10 日当天的事实记录。

真正值得关注的部分在模型本身：一个总参数 6000 亿、每 Token 只激活 270 亿的稀疏 MoE 模型，官方称综合智能指数追平了参数量大得多的对手，而价格显著低于行业中位数。选型这件事上，这组数字比榜单名次有信息量得多。

据阶跃官方口径（经多家媒体一致转述），Step 5 Preview 采用稀疏 MoE 架构，总参数量 600B，每个 Token 激活约 27B 参数。阿里云百炼的官方模型文档页给出了同一组数字并补充了工程细节：上下文长度 1,048,576 Token（1M），输入模态支持文本与图像，仅输出文本；最大输入与输出长度均为 1,048,576。

「600B 总参数 / 27B 激活」这个比例是理解这款模型的钥匙。推理时每个 Token 只经过约 4.5% 的参数做计算，这让它的推理速度和成本表现接近 30B 级别的稠密模型；但推理时 600B 权重仍需全部驻留显存，所以本地自建部署的硬件门槛并没有因为「激活 27B」而降到个人开发者可承受的范围——对大多数人来说，API 和第三方推理平台才是现实路径。

能力边界上，AA 页面明确标注输入模态为「文本和图像」，输出模态为「文本」。阿里云百炼文档的能力表进一步列出：Function Calling 支持、结构化输出支持、上下文缓存支持、批量推理支持；联网搜索不支持、前缀续写不支持、模型调优不支持。如果你需要的是一个能联网检索的模型，这条路在这一版上不通。

厂商自画像的重点场景是 AI 编程、软件工程、专业知识工作与金融；阿里云文档的表述多了「在金融领域展现出尤为突出的能力」。场景定位属于厂商口径，百器AI 无法验证其在你的任务上的实际表现。

Artificial Analysis 官方模型页给出的数据是可以直核的：Step 5 Preview 的 Artificial Analysis Intelligence Index 为 44 分，在全站 227 个模型中列第 40 位。AA Intelligence Index v4.3.2 由 10 项评测构成（AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1）。

这里有一处口径冲突必须写清楚：AA 页面把 Step 5 Preview 标记为 Proprietary（专有模型），而多家媒体的标题写的是「全球开源前三」。合理的解释是——截至查询时权重尚未释放，AA 按其当前状态标注；10 月 15 日开源后状态才会改变。换句话说，「开源前三」描述的是开源后的预期位次，不是此刻 AA 页面上的标签。这是二手标题常见的压缩失真，读者容易被误导。

更有价值的是 AA 页面里那条没有被媒体标题带出来的数据：Step 5 Preview 在 Intelligence Index 评测中生成了 160M 个输出 token，而中位数是 82M，AA 明确判定其回答「非常冗长」。这条必须和低价格放在一起读——输出价格便宜，但如果每个任务多吐近一倍 token，账单上的优势会被部分吃掉。只看「输出 $2.70 vs 中位数 $10」会觉得省了 73%，把冗长度算进去才是真实成本。这是编辑判断。

速度方面存在一组不一致数据：AA 页面数值为每秒 87 个输出 token（高于 79 的中位数），部分媒体转述为「每秒 100 Token」。本文按 AA 直核页面的 87 tokens/s 为准，并如实标注差异。

还有一组来自第三方整理（非本次独立复核）的对照：AA 指数上 GLM-5.3 = 45、Claude Opus 5 = 45、Step 5 Preview = 44、Kimi K3 = 44、DeepSeek V4.1 Flash = 40、DeepSeek V4 Pro = 36；Terminal-Bench 4.0 上 Step 5 Preview 为 33.3%。这组数据的采样时间是 9 月中下旬，距今已有变化可能，引用时应标注为「据报道」，且不要把 1 分之差当成能力排序的结论。

价格是这次讨论的中心，但三个来源的数字口径不同，必须分开看。

Artificial Analysis 页面给出的是美元标价：每百万输入 token US$1.00、每百万输出 token US$2.70，缓存折扣 90%，Intelligence Index 上平均每任务成本 US$1.03。AA 同时给出参照：输入价格中位数 US$2.00、输出中位数 US$10.00——相比之下它的输入约为中位数一半、输出约为中位数的四分之一多一点。

阿里云百炼官方模型文档给出的华北 2（北京）价格为人民币计价：输入 7 元/百万 token、输出 20 元/百万 token、缓存命中输入 0.35 元/百万 token；限流为 RPM 500、TPM 10,000,000。按当前汇率折算后与 AA 的美元标价处于同一量级但不完全相等——不同渠道、不同区域、不同计费口径本来就不该强行对齐。

阶跃开放平台的官方定价页（platform.stepfun.ai/docs/en/guides/pricing/details）确实存在，但本次抓取只取到导航框架、未拿到逐档价格表。所以本文的价格判断以 AA 页面 + 阿里云百炼官方页为准，并把「官方定价页未直核」如实记录为 limitations 之一。

厂商自评里有一句流传较广的话：单任务成本为 Claude Opus 5 的 1/8。这句话没有说明任务类型、对照配置与 Token 统计方法，也无第三方复现，AA 页面未给出与该模型的成本倍率对照。它属于 OFFICIAL_CLAIM（厂商自评），不是可以写进采购单的结论。

AI 研究员、DAIR.AI 联合创始人 Elvis Saravia 在试用后评价该模型令人印象深刻，认为其能力可与 GLM-5.3、Kimi K3 媲美，价格具有竞争力，处在成本与能力权衡的「帕累托前沿」，值得开发者在自己常用的编程智能体中接入。这是个人试用评价，属社区级证据，强度低于系统评测，但它的判断方向和多方转载的兴趣点是一致的。

阶跃自己把这条路概括为「智能效率」——从 Step 3.5 Flash、Step 3.7 Flash 到 Step 5 Preview，连续三代基座模型围绕把算力投入转化为有效智能的比例做优化。跳过 Step 4.x 直接命名 Step 5，官方未解释原因，第三方媒体普遍理解为架构与效率路线上的代际跃迁表达，而非实际版本号断层。这是编辑判断，不是厂商声明。

百器AI 未对 Step 5 Preview 做任何第一方测试：没有 API 调用、没有本地部署、没有在自己的任务集上跑过对照。本文所有性能与成本描述均为官方口径或第三方评测/报道的转述。如果你要把它放进生产链路，请以你自己的任务集做 A/B 实测，尤其是要测它在你的场景里的 token 消耗量。

现在能做的：通过 API 使用。模型已全量开放，阶跃开放平台模型 ID 为 step-5-preview，阿里云百炼的接入路径为 stepfun/step-5-preview，推理服务由阶跃星辰提供。Agent 类任务可以用 Function Calling、结构化输出和上下文缓存。1M 上下文意味着可以一次性装入较大的代码库或资料集，但上下文预算不等于每次都应填满——长上下文的注意力开销会体现在延迟与账单上。

现在还不能做的：拿到权重自行部署。10 月 15 日是官方给出的开源时间点，在此之前 AA 页面仍将其标注为专有模型。也就是说，如果你在意的是自托管与数据不出内网，那么这条路径要等到 10 月 15 日之后，并且要看到实际发布的许可证条款才能判断能不能商用。

需要盯的三个不确定项：一是开源许可证（Apache-2.0、MIT，还是带商用限制的自定义协议），官方尚未公布；二是开源的是否为完整 600B 权重；三是 Trending/日榜的名次是动态的，随时可能被替代。开源落地之后还应该确认一件事：百器AI 手中没有它的第一方测试证据，开源后是否会有社区在同一评测配置下复现 SWE-bench / Terminal-Bench 的独立结果，是判断这份成绩单成色的下一个节点。

最后提醒一个容易混淆的点：榜单登顶是采用率信号，开源是供给事件，两者指向不同结论。开发者在 OpenRouter 上大量调用一个模型，说明它的价格/能力比对当下这批人有吸引力；至于它能不能在你的场景里跑赢你正在用的模型，榜单回答不了。