Step 5 Preview Đang hoạt động

Step 5 Preview là mô hình nền tảng flagship thế hệ mới do StepFun phát triển, được thiết kế cho các nhiệm vụ Agentic trong thế giới thực. Mô hình sử dụng kiến trúc MoE thưa, có tổng cộng 600B tham số và chỉ kích hoạt 27B, hỗ trợ ngữ cảnh một triệu Token, đồng thời tích hợp đa phương thức nguyên bản. Trong các đánh giá uy tín toàn cầu, mô hình nằm trong top 3 mô hình nguồn mở, chỉ đứng sau GPT-6 Astra và Claude Opus 5 về hiệu năng, trong khi chi phí cho mỗi tác vụ chỉ bằng 1/8 so với các mô hình sau.

Lập trình AI và kỹ thuật phần mềm: bao phủ các tác vụ phát triển thực tế như sửa lỗi, phát triển tính năng và tái cấu trúc trên 553 kho mã thuộc 33 ngôn ngữ lập trình, đồng thời có thể vận hành thiết bị phần cứng thực để gỡ lỗi liên tục trong hơn 3 giờ.
Nhiệm vụ tự chủ dài hạn: có thể liên tục thực hiện các nhiệm vụ phức tạp trong 24 giờ, chẳng hạn như tối ưu kernel GPU từ đầu và tự động hóa quy trình dữ liệu hậu huấn luyện.
Phát triển frontend và sáng tạo: có thể gọi Blender để tạo tài sản 3D và tích hợp vào các ứng dụng tương tác Three.js.
Phân tích tài chính: sở hữu ba nhóm năng lực gồm truy xuất và xác minh thông tin, lập mô hình định giá doanh nghiệp và tạo báo cáo nghiên cứu chuyên sâu; các năng lực này đã được xác minh qua đánh giá FrontierFinance bên ngoài.
Hiểu ngữ cảnh siêu dài: hỗ trợ cửa sổ 1 triệu Token, có thể liên tục theo dõi ngữ cảnh trong chuỗi nhiệm vụ dài và nhiều lần gọi công cụ để hoàn tất công việc.

Kiến trúc MoE thưa: mô hình có tổng cộng 600B tham số, nhưng mỗi lần suy luận chỉ kích hoạt 27B tham số. Bằng cách “gọi chuyên gia theo nhu cầu”, mô hình vừa duy trì năng lực cấp flagship vừa giảm đáng kể chi phí tính toán; đây là lý do cốt lõi khiến chi phí mỗi tác vụ chỉ bằng 1/8 Claude Opus 5.
Theo dõi liên tục ngữ cảnh dài: nhờ cửa sổ ngữ cảnh 1 triệu Token, mô hình có thể lưu giữ đầy đủ lịch sử thực thi, kết quả trả về từ công cụ và phản hồi gỡ lỗi trong các nhiệm vụ kéo dài hàng chục giờ, từ đó phán đoán hành động tiếp theo dựa trên phản hồi khi vận hành, thực hiện lập kế hoạch dài hạn và lặp lại liên tục.
Vòng lặp khép kín gọi công cụ Agentic: mô hình có khả năng tự chủ thực hiện chu trình “lập kế hoạch—thực thi—quan sát—hiệu chỉnh”, có thể truy cập cổng nối tiếp, camera, API và các công cụ bên ngoài khác, liên tục sửa đổi mã dựa trên trạng thái và lỗi trả về từ môi trường thực tế cho đến khi hoàn thành nhiệm vụ.
Tích hợp đa phương thức nguyên bản: đầu vào văn bản và hình ảnh được xử lý nguyên bản trong cùng một mô hình nền tảng, giúp mô hình vừa hiểu thông tin trực quan như tài liệu và ảnh chụp màn hình, vừa tạo và lặp lại nội dung trực quan.
Lộ trình Scaling hiệu quả: tiếp nối tư duy kỹ thuật từ Step 3.5 Flash, trọng tâm là chuyển đổi tính toán thành năng lực mô hình hiệu quả hơn; thông qua thiết kế kiến trúc, đẩy biên Pareto của “năng lực—chi phí—hiệu suất” ra xa hơn.

Trải nghiệm trực tuyến: truy cập nền tảng Studio tại https://studio.stepfun.com/, đăng ký và đăng nhập để trò chuyện trực tiếp với mô hình trên web.
Tích hợp API tại Trung Quốc: truy cập https://platform.stepfun.com/ để đăng ký tài khoản nền tảng mở, tạo API Key rồi gọi API Step 5 Preview theo tài liệu hướng dẫn.
Tích hợp API quốc tế: người dùng quốc tế truy cập https://platform.stepfun.ai/, đăng ký và lấy API Key tương tự để tích hợp vào ứng dụng hoặc quy trình Agent của mình.
Tích hợp vào nhiệm vụ Agent: cấu hình ngữ cảnh dài và các tham số gọi công cụ trong yêu cầu API để mô hình thực hiện những nhiệm vụ Agentic phức tạp như lập trình và nghiên cứu tài chính.

Cân bằng tối ưu giữa hiệu năng và chi phí: đạt 44 điểm, nằm trong top 3 mô hình nguồn mở trên Artificial Analysis Intelligence Index uy tín toàn cầu, trong khi chi phí mỗi tác vụ chỉ bằng 1/8 Claude Opus 5, thúc đẩy đáng kể biên Pareto của hiệu suất thông minh.
Năng lực Agent dài hạn cấp flagship: có thể liên tục thực hiện các nhiệm vụ tự chủ kéo dài hơn 22 giờ, chẳng hạn như tối ưu kernel GPU lên 508 TFLOPS, vượt qua Claude Opus 5, cho thấy năng lực lập kế hoạch bền bỉ và tự sửa lỗi.
Cửa sổ ngữ cảnh siêu dài: hỗ trợ ngữ cảnh 1 triệu Token, có thể lưu giữ đầy đủ lịch sử và liên tục hiểu ngữ cảnh trong chuỗi nhiệm vụ dài, phù hợp với các kịch bản gọi công cụ nhiều vòng phức tạp.
Kiến trúc MoE thưa hiệu quả: tổng số 600B tham số nhưng chỉ kích hoạt 27B, đạt hiệu năng cấp flagship với chi phí suy luận cực thấp, giúp triển khai năng lực tương đương vào công việc thực tế với chi phí thấp hơn.
Phạm vi ứng dụng rộng và chuyên sâu: thể hiện nổi bật trong lập trình AI (553 kho mã, 33 ngôn ngữ), nghiên cứu tài chính, phát triển frontend và sáng tạo, với năng lực xử lý nhiệm vụ tổng hợp đa ngành.

Trang web dự án: https://www.stepfun.com/step-5-preview

Lập trình AI và phát triển phần mềm: bao phủ các tác vụ sửa lỗi, phát triển tính năng, tái cấu trúc mã và cấu hình môi trường, hỗ trợ 33 ngôn ngữ lập trình, có thể trở thành mô hình lập trình chủ lực hằng ngày của nhà phát triển.
Nhiệm vụ nghiên cứu và kỹ thuật dài hạn: chẳng hạn như liên tục tối ưu kernel GPU trong 24 giờ và tự động hóa quy trình dữ liệu hậu huấn luyện, phù hợp với công việc nghiên cứu cần lặp lại và vận hành tự chủ trong thời gian dài.
Phát triển phần cứng và gỡ lỗi nhúng: có thể tự đọc tài liệu thiết bị, vận hành cổng nối tiếp và camera, liên tục gỡ lỗi mã dựa trên lỗi trả về từ phần cứng thực tế, chẳng hạn như dự án cải tiến bo mạch phát triển ESP32.
Phân tích tài chính và nghiên cứu đầu tư: bao gồm truy xuất và xác minh thông tin tài chính, lập mô hình định giá doanh nghiệp và viết báo cáo nghiên cứu chuyên sâu, phục vụ nhân sự nghiên cứu đầu tư và các chuyên gia tài chính.
Phát triển frontend và nội dung sáng tạo: từ giao diện web, trực quan hóa dữ liệu đến tạo tài sản 3D bằng Blender và xây dựng ứng dụng tương tác Three.js, hỗ trợ các nhà thiết kế và người làm sáng tạo nhanh chóng hiện thực hóa ý tưởng.