刚刚，阶跃Step 5 Preview发布！一举杀进全球开源前三

新智元报道 9月份，是一个神仙打架、周周洗牌的修罗场。 全球头部 AI 实验室密集发布新一代旗舰，国内厂商同步提速迭代。 在这场每周都有「重磅」的混战中，有一家模型厂没有选择跟着节奏「小步快跑」—— 它攒了一个大的，然后一把摊在桌上。 这家公司就是阶跃星辰。9 月 20 日，他们发布了 新一代旗舰基座模型 Step 5 Preview。 它在告诉整个行业：我回来了。 创造新的前沿 在 Artificial Analysis Intelligence Index（AA 智能指数）中，Step 5 Preview 取得了 44 分。 拉一张横向对照表：Claude Fable 5.1 领跑全球（53 分），GPT-6 Astra 紧追其后（52.8）。 Step 5 Preview 的 44 分，把阶跃送进了全球开源模型前三。 而且这个位置的「性价比」很扎眼： 每百万 token 输入 1 美元、输出 2.7 美元，跑完一道 AA 智能指数任务平均只要 0.71 美元。 在 AA 官方的「智能指数 vs 单任务成本」图上，Step 5 Preview 创造了新的帕累托前沿—— 同样的智能水平，没有比它更便宜的；同样的价格，没有比它更聪明的。 这个成绩的含金量，在今年 9 月变得更高了。 AA 智能指数在月初刚升级到 v4.2：两项新评测加入、GPQA Diamond 被淘汰（太容易了）、私有测试集权重翻倍到 40%。 靠背题刷分的时代过去了，模型必须在从未见过的任务上展现真正的推理力。 而 Step 5 Preview 还有一个不容忽视的标签：开源。 在当前 AA 榜单前列，绝大多数是闭源模型。Kimi K3 以开源权重身份杀入全球前五已被视为里程碑，Step 5 Preview 是又一个挤进核心竞争区的开源选手。 这意味着中国开源模型的能力天花板，仍在加速上移。 Benchmark 是入场券 能干活儿才是成绩单 Step 5 Preview 对准的场景很明确：Coding、软件工程、专业知识和金融场景—— 所有需要「长上下文、多轮工具调用和持续执行」的复杂任务。 它原生支持 1M 上下文。一整个代码仓库、一整个数据室，都能装进一次对话里。 这些场景有一个共同特征：不是回答一个聪明的问题，而是让模型像一个靠谱的员工一样接手一个项目。 拆解任务、调用工具、根据中间反馈修正方案，最后交出一份能用的结果。 说到这里，我们拿到了内测资格，也就是前段时间被调侃在模型名称上大幅领先的 water18，设计了几个贴近真实工作场景的实测方向，来看看 Step 5 Preview 到底能走多远。 一句话，一个能玩的 3D 飞行游戏 来测一下代码能力。 给它的题目是：单文件 HTML、只准借 three.js 一支画笔，做一个街机风格的低多边形 3D 飞行小游戏，要能玩、要好看。 Step 5 Preview 用了 20 多分钟，写了一个上千行的 HTML 文件，打开就能飞。 画面好看。 天空和海水不是贴图，是它自己写的着色器：海面真的在起伏，阳光在浪尖上闪，远处融进雾里。 操作顺手。 一按左就拐弯，松手自动回正，加速时视野拉开、转弯时镜头跟着甩——速度感全在手上。撞到海面弹一下、抖一下，不会死，节奏不断。 会自己加东西。 提示词只说「金色光环」，Step 5 Preview 给每个光环加了一道直冲天际的光柱，几百米外就知道往哪飞，追环立刻有了节奏。 穿环粒子爆开、+100 飘字、Boost 冷却条、90 秒结算记最高分，一样不少。 这就是「生产级」：写出来的东西不用改，直接能玩。 长程 Agent——12 份合同、120 个判断，一个都没漏 这是一道「体力活」：12 份中英文合同，对照法务部 10 条标准逐条审，再算续约日期、写修订函、给采购部总结。 人做这件事，最容易出问题的不是前三份，是第八份以后开始走神。 Step 5 Preview 交了三个文件，我们逐格对答案。 一个没漏。 120 个判断全部落格，26 处违规全中。 它额外标出的 12 处，我们回头看标准原文，它是对的——比如责任上限写着「以年度金额为限」，看起来合规，但标准还要求数据泄露、重大过失不设上限，这一层它没放过。 第 12 份合同审得和第 1 份一样细。 藏在附件里的坑，没躲过它。 两份合同正文干净，违规只写在附件里，它照样抓出来。 日期不是算出来的，是想出来的。 一份合同今天已经错过退出窗口，它标红并给出还能补救的最后一天；另一份年底才到期、按题目不该出现，但通知期 10 月 2 日就关，它主动单列出来。 三个文件互相咬合。 修订函里给供应商的最后期限，就是续约清单里算出的最晚通知日；给采购部的 142 字总结，三件最急的事和前面的日历一一对应。 能做完，能做对，最后一份和第一份一样认真。这就是长程 Agent 的意思。 Deep Research——9 份互相打架的材料，它先立规矩再翻案 我们给 Step 5 Preview 九份关于同一家公司的材料。 融资额、估值、营收、交付量、员工数，没一个数字是统一的。 它先定规矩，再动手。 审计报告 > 公司更正声明 > 一手核实 > 官方新闻稿 > BP > 数据平台 > 匿名帖，七级优先级，外加「口径优先于数值」「时点对齐」等六条辅助规则。 七个事实项全部答对，35 处引用精确到文件和行号。 规则和直觉打架时，它站规则。 CEO 本人在专访里说估值 32 亿，两份官方材料互相印证；它仍按规则取 30 亿，因为更正声明更晚，且内部邮件解释了 32 亿是怎么算出来的。 还发现了我们没发现的问题。 新闻稿说「同比增长 210%」，它反推出去年上半年只有 0.49 亿——意味着 69% 的营收压在下半年，没有任何材料能解释。 这被它翻出来列为「最脆弱的一处」。 读完、想清、按规矩判、把推理过程摊开——这才是 Deep Research。 金融尽调——六份表，它当了一回真正的投资经理 最后，我们给 Step 5 Preview 一个 B 轮公司的数据室：利润表、发票台账、银行流水、股权表、供应商名录、创始人 deck。 任务是替投委会写一份尽调备忘录，外加一份带公式的勾稽底稿。 数字一分不差。 收入 1.52 亿、回款 8,344 万、应收 6,856 万、净亏 934 万——全部和真值精确到元。 底稿 9 个 sheet、1,030 个活公式，每个数都能从原表一路点回去。 核出 6 条不符。 增速不是 3 倍是 2.1 倍，毛利率不是 45% 是 38%，客户不是 47 家是 33 家，最大客户占比不是「不到 20%」而是 40%。 最关键的是「经营现金流转正」：它把 500 万股东借款和 120 万政府补贴从流入里剔出去，算出上半年实际净流出 1,384 万——就算把这两笔都算上，还是负的。 三跳连出一笔关联交易。 银行流水里每月 53 万付给一家咨询公司，供应商名录写着法人叫李静，deck 团队介绍里有一句「周明配偶李静负责行政外包」。三份材料各自看都正常，连起来就是 CEO 配偶年收 640 万咨询费，没有披露。 还挖出了我们没埋的。 12 个月毛利率恒定在 38% 和 34% 两个值上没