Step 5 Preview চালু আছে

Step 5 Preview হলো StepFun-এর推出 করা নতুন প্রজন্মের ফ্ল্যাগশিপ বেস মডেল, যা বাস্তব জগতের Agentic কাজের জন্য তৈরি। মডেলটি একটি Sparse MoE আর্কিটেকচার ব্যবহার করে; মোট প্যারামিটার 600B, সক্রিয় প্যারামিটার মাত্র 27B, এক মিলিয়ন Token-এর কনটেক্সট এবং নেটিভ মাল্টিমোডাল সক্ষমতা সমর্থন করে। বিশ্বের স্বীকৃত বেঞ্চমার্কগুলোতে এটি ওপেন-সোর্স মডেলগুলোর মধ্যে শীর্ষ তিনে রয়েছে; পারফরম্যান্সে শুধু GPT-6 Astra এবং Claude Opus 5-এর পিছনে, অথচ প্রতি কাজের খরচ পরেরটির মাত্র 1/8।

AI প্রোগ্রামিং ও সফটওয়্যার ইঞ্জিনিয়ারিং: 553টি কোড রিপোজিটরি এবং 33টি প্রোগ্রামিং ভাষায় Bug Fix, ফিচার ডেভেলপমেন্ট, রিফ্যাক্টরিংসহ বাস্তব উন্নয়নমূলক কাজ সম্পাদন করতে পারে; পাশাপাশি বাস্তব হার্ডওয়্যার ডিভাইস পরিচালনা করে 3 ঘণ্টারও বেশি সময় ধরে ধারাবাহিক ডিবাগিং করতে পারে।
দীর্ঘমেয়াদি স্বায়ত্তশাসিত কাজ: 24 ঘণ্টার মধ্যে জটিল কাজ ধারাবাহিকভাবে সম্পাদন করতে পারে, যেমন শূন্য থেকে GPU কার্নেল অপ্টিমাইজ করা এবং পোস্ট-ট্রেনিং ডেটা প্রক্রিয়া স্বয়ংক্রিয় করা।
ফ্রন্টএন্ড ও সৃজনশীল ডেভেলপমেন্ট: Blender কল করে 3D অ্যাসেট তৈরি এবং Three.js ইন্টার‌্যাক্টিভ অ্যাপ্লিকেশনে সংযুক্ত করতে পারে।
আর্থিক বিশ্লেষণ: তথ্য অনুসন্ধান ও যাচাই, কোম্পানি মূল্যায়ন মডেলিং এবং গভীর গবেষণা প্রতিবেদন তৈরির সক্ষমতা রয়েছে; বহিরাগত FrontierFinance মূল্যায়নের মাধ্যমেও তা যাচাই করা হয়েছে।
অতি-দীর্ঘ কনটেক্সট বোঝাপড়া: 1000000 Token উইন্ডো সমর্থন করে, দীর্ঘ কাজের ধারায় কনটেক্সট অনুসরণ করতে এবং কাজ সম্পন্ন করতে একাধিকবার টুল কল করতে পারে।

Sparse MoE আর্কিটেকচার: মডেলটির মোট প্যারামিটার 600B, কিন্তু প্রতিটি ইনফারেন্সে মাত্র 27B প্যারামিটার সক্রিয় হয়। “প্রয়োজন অনুযায়ী বিশেষজ্ঞ调用” পদ্ধতির মাধ্যমে ফ্ল্যাগশিপ-স্তরের সক্ষমতা বজায় রেখেও গণনাগত খরচ উল্লেখযোগ্যভাবে কমানো হয়। এটাই প্রতি কাজের খরচ Claude Opus 5-এর 1/8 হওয়ার মূল কারণ।
দীর্ঘ কনটেক্সটের ধারাবাহিক অনুসরণ: 1000000 Token কনটেক্সট উইন্ডোর সাহায্যে মডেলটি কয়েক দশ ঘণ্টার কাজের সম্পূর্ণ পূর্ববর্তী রেকর্ড, টুলের ফলাফল এবং ডিবাগিং প্রতিক্রিয়া ধরে রাখতে পারে। চলমান ফলাফলের ভিত্তিতে পরবর্তী পদক্ষেপ নির্ধারণ করে দীর্ঘমেয়াদি পরিকল্পনা ও ধারাবাহিক পুনরাবৃত্তি সম্পন্ন করে।
Agentic টুল কলের পূর্ণ চক্র: মডেলটির স্বায়ত্তশাসিত “পরিকল্পনা—সম্পাদন—পর্যবেক্ষণ—সংশোধন” চক্র রয়েছে। এটি সিরিয়াল পোর্ট, ক্যামেরা, API-সহ বাহ্যিক টুল ব্যবহার করতে পারে এবং বাস্তব পরিবেশের স্ট্যাটাস ও ত্রুটির ভিত্তিতে কাজ সম্পন্ন না হওয়া পর্যন্ত কোড সংশোধন করতে পারে।
ক্রস-মোডাল নেটিভ একীকরণ: একই বেস মডেলে টেক্সট ও ভিজ্যুয়াল ইনপুট নেটিভভাবে প্রক্রিয়াকৃত হয়। ফলে মডেলটি ডকুমেন্ট ও স্ক্রিনশটের মতো ভিজ্যুয়াল তথ্য বুঝতে এবং ভিজ্যুয়াল কনটেন্ট তৈরি ও পুনরাবৃত্তভাবে উন্নত করতে পারে।
দক্ষতা Scaling পথ: Step 3.5 Flash থেকে আসা প্রযুক্তিগত ভাবনা অনুসরণ করে এর মূল লক্ষ্য হলো গণনাকে আরও দক্ষভাবে মডেলের সক্ষমতায় রূপান্তর করা। আর্কিটেকচার নকশার মাধ্যমে “সক্ষমতা—খরচ—দক্ষতা”-র Pareto সীমাকে আরও বাইরে এগিয়ে নেওয়া।

অনলাইন ব্যবহার: Studio প্ল্যাটফর্ম https://studio.stepfun.com/-এ প্রবেশ করুন। নিবন্ধন ও লগইন করার পর ওয়েব ইন্টারফেসে সরাসরি মডেলটির সঙ্গে কথোপকথন করে ব্যবহার করতে পারবেন।
চীনের অভ্যন্তরীণ API সংযোগ: https://platform.stepfun.com/-এ গিয়ে ওপেন প্ল্যাটফর্ম অ্যাকাউন্ট নিবন্ধন করুন। API Key তৈরি করে ডকুমেন্টেশন অনুযায়ী Step 5 Preview API কল করুন।
আন্তর্জাতিক API সংযোগ: আন্তর্জাতিক ব্যবহারকারীরা https://platform.stepfun.ai/-এ গিয়ে একইভাবে নিবন্ধন করে API Key সংগ্রহ করতে পারবেন এবং নিজেদের অ্যাপ্লিকেশন বা Agent ওয়ার্কফ্লোতে সংযুক্ত করতে পারবেন।
Agent কাজের সংযোগ: API কলের মধ্যে দীর্ঘ কনটেক্সট ও টুল কলের প্যারামিটার কনফিগার করলে মডেলকে প্রোগ্রামিং, আর্থিক গবেষণাসহ জটিল Agentic কাজ সম্পাদনে ব্যবহার করা যাবে।

পারফরম্যান্স ও খরচের সর্বোত্তম ভারসাম্য: বিশ্বস্বীকৃত Artificial Analysis Intelligence Index-এ 44 স্কোর পেয়ে ওপেন-সোর্স মডেলের শীর্ষ তিনে রয়েছে, অথচ প্রতি কাজের খরচ Claude Opus 5-এর মাত্র 1/8। এটি বুদ্ধিমত্তার দক্ষতার Pareto সীমাকে উল্লেখযোগ্যভাবে এগিয়ে নিয়েছে।
ফ্ল্যাগশিপ-স্তরের দীর্ঘমেয়াদি Agent সক্ষমতা: 22 ঘণ্টারও বেশি সময় ধরে স্বায়ত্তশাসিত কাজ চালাতে পারে, যেমন GPU কার্নেলকে 508 TFLOPS পর্যন্ত অপ্টিমাইজ করা, যা Claude Opus 5-কে ছাড়িয়ে যায়। এতে দীর্ঘস্থায়ী পরিকল্পনা ও স্বয়ংক্রিয় ত্রুটি সংশোধনের সক্ষমতা দেখা যায়।
অতি-দীর্ঘ কনটেক্সট উইন্ডো: 1000000 Token কনটেক্সট সমর্থন করে, দীর্ঘ কাজের ধারায় সম্পূর্ণ ইতিহাস ধরে রেখে কনটেক্সট বুঝতে পারে এবং জটিল বহু-ধাপের টুল কলের জন্য উপযোগী।
দক্ষ Sparse MoE আর্কিটেকচার: মোট 600B প্যারামিটারের মধ্যে মাত্র 27B সক্রিয় হয়। অত্যন্ত কম ইনফারেন্স খরচে ফ্ল্যাগশিপ-স্তরের পারফরম্যান্স প্রদান করে, ফলে সমতুল্য সক্ষমতা কম খরচে বাস্তব কাজে ব্যবহার করা যায়।
বিস্তৃত ও গভীর প্রয়োগক্ষেত্র: AI প্রোগ্রামিং (553টি রিপোজিটরি, 33টি ভাষা), আর্থিক গবেষণা, ফ্রন্টএন্ড সৃজনশীল ডেভেলপমেন্টসহ বিভিন্ন ক্ষেত্রে উৎকৃষ্ট পারফরম্যান্স দেখায় এবং বিভিন্ন শিল্পের সমন্বিত কাজ সম্পাদন করতে পারে।

প্রজেক্টের অফিসিয়াল ওয়েবসাইট: https://www.stepfun.com/step-5-preview

AI প্রোগ্রামিং ও সফটওয়্যার ডেভেলপমেন্ট: Bug Fix, ফিচার ডেভেলপমেন্ট, কোড রিফ্যাক্টরিং, পরিবেশ কনফিগারেশনসহ বিভিন্ন কাজ সমর্থন করে। 33টি প্রোগ্রামিং ভাষা সমর্থন করায় এটি ডেভেলপারদের দৈনন্দিন প্রধান কোডিং মডেল হিসেবে ব্যবহার করা যায়।
দীর্ঘমেয়াদি গবেষণা ও ইঞ্জিনিয়ারিং কাজ: 24 ঘণ্টা ধরে GPU কার্নেল অপ্টিমাইজ করা বা পোস্ট-ট্রেনিং ডেটা প্রক্রিয়া স্বয়ংক্রিয় করার মতো কাজে উপযোগী, যেখানে দীর্ঘ সময় ধরে স্বায়ত্তশাসিত পুনরাবৃত্তিমূলক কাজ প্রয়োজন।
হার্ডওয়্যার ডেভেলপমেন্ট ও এমবেডেড ডিবাগিং: ডিভাইসের ডকুমেন্টেশন স্বয়ংক্রিয়ভাবে পড়তে, সিরিয়াল পোর্ট ও ক্যামেরা পরিচালনা করতে এবং বাস্তব হার্ডওয়্যার থেকে পাওয়া ত্রুটির ভিত্তিতে কোড ধারাবাহিকভাবে ডিবাগ করতে পারে, যেমন ESP32 ডেভেলপমেন্ট বোর্ড সংশোধন প্রকল্পে।
আর্থিক বিশ্লেষণ ও বিনিয়োগ গবেষণা: আর্থিক তথ্য অনুসন্ধান ও যাচাই, কোম্পানি মূল্যায়ন মডেলিং এবং গভীর গবেষণা প্রতিবেদন লেখার কাজ অন্তর্ভুক্ত করে; বিনিয়োগ গবেষক ও আর্থিক পেশাজীবীদের সেবা দেয়।
ফ্রন্টএন্ড ও সৃজনশীল কনটেন্ট ডেভেলপমেন্ট: ওয়েব ইন্টারফেস ও ডেটা ভিজ্যুয়ালাইজেশন থেকে শুরু করে Blender 3D অ্যাসেট তৈরি এবং Three.js ইন্টার‌্যাক্টিভ অ্যাপ্লিকেশন পর্যন্ত ডিজাইনার ও সৃজনশীল কর্মীদের দ্রুত ধারণা বাস্তবায়নে সহায়তা করে।