Step 5 Preview

Überblick

Step 5 Preview ist das Flaggschiff des chinesischen KI-Startups StepFun. Es wurde am 20. September 2026 als API-Modell vorgestellt; am 15. Oktober 2026 folgten die offenen Gewichte auf Hugging Face und ModelScope (BF16, FP8 und NVFP4). Das Modell ist ein sparsames Mixture-of-Experts mit rund 600 Milliarden Parametern, von denen je Token etwa 27 Milliarden aktiv sind, und verarbeitet bis zu 1M Token Kontext. StepFun positioniert es für agentische Arbeit – Softwareentwicklung, professionelle Wissensarbeit und ausdrücklich Finanzaufgaben.

Der Zusatz „Preview“ ist Teil des Produktnamens; das Modell ist trotzdem allgemein nutzbar, über die StepFun-API, über Drittanbieter wie DeepInfra, Featherless und inference.net (via OpenRouter) und im Eigenbetrieb.

Use Cases

• Agentisches Coding über längere Aufgaben – DeepSWE v1.1 67,7 % und SWE-Marathon v1.1 72,7 % laut StepFun
• Recherche-Agenten mit vielen Web-Abrufen – BrowseComp 88,7 % laut StepFun; StepFun demonstriert eine Agentenaktion mit 950 Web-Abrufen
• Finanzanalyse und Bewertungsaufgaben – FrontierFinance 66,4 % laut StepFun
• Auswertung langer Dokumente – AA-LCR v1.1 88 % (Artificial Analysis); zum Vergleich Muse Spark Open 78 %
• Bild- und Dokumentverständnis in Agenten-Workflows – MMMU-Pro 76,0 % laut StepFun

Stärken & Grenzen

Stärken

• Unabhängig gemessen auf Höhe der besten offenen Modelle: Artificial Analysis führt Step 5 Preview im Intelligence Index v4.3.2 mit 44 Punkten (gemessen, kein Schätzwert) – gleichauf mit Kimi K3, knapp hinter GLM-5.3 (45). Einzelwerte: SciCode 59 %, Humanity's Last Exam 46 %, AA-LCR v1.1 88 %, AutomationBench-AA 51 %, Terminal-Bench 4.0 33 %, GDPval-AA v2.1 1.587 Elo, AA-Briefcase v1.1 1.425 Elo.
• Günstig je Aufgabe: Ein durchschnittlicher Task im AA-Index kostet laut Berichten zu den AA-Daten rund 0,71 $ (Claude Opus 5: rund 5,86 $).
• Menschliche Präferenz: LMArena-Textboard Rang 84 mit 1.447 Elo (Stand 16.10.2026) – vor dem Vorgänger Step 3.5 Flash (1.393).
• Nutzung: Am 15.10.2026 auf Platz 2 der wöchentlichen OpenRouter-Charts (rund 18,8 Billionen Token in sieben Tagen).

Grenzen

• Sehr redselig. Für den AA-Index erzeugt das Modell rund 160 Mio. Output-Token, deutlich über dem Median vergleichbarer Modelle (rund 81–92 Mio.). Das relativiert den niedrigen Tokenpreis und verlängert Antwortzeiten.
• Herstellervergleich nicht fair aufgesetzt: StepFun misst Step 5 Preview mit „High“-Reasoning, die Vergleichsmodelle dagegen mit „Max“. Mehrere Zeilen (z. B. StepCodeBench) sind eigene Benchmarks von StepFun.
• Agentisches Terminal-Coding hinter der Spitze: Terminal-Bench 4.0 33 % (Artificial Analysis) gegenüber 41,9 % bei GLM-5.3 und über 50 % bei Claude Opus 5 laut StepFun-Tabelle.
• Schwächen bei Dokumentarbeit: GDP.pdf 15 % (Artificial Analysis).
• Kein technischer Report. Die Benchmarks stehen auf Hugging Face nur als Grafik; Evaluationsdetails sind lückenhaft.
• Hardware: Eigenbetrieb erfordert Rechenzentrumshardware – laut Model Card für FP8 4× B300 oder 8× H200, für BF16 8× B300 oder 16× H200 (zwei Knoten).

Praxis-Erfahrung

Ein eigener Praxistest steht noch aus. Die Einordnung stützt sich auf StepFuns Model Card, transkribierte Herstellerwerte und die unabhängigen Messungen von Artificial Analysis und LMArena.

Gut zu wissen

• Lizenz: StepFun Model License 1.0, von StepFun als „Apache-2.0-Style“ beschrieben. Weltweite, gebührenfreie Nutzung ist erlaubt; einen separaten Vertrag brauchen Gerätehersteller, die das Modell in Endgeräte integrieren, sowie Model-as-a-Service-Anbieter mit über 20 Mio. $ Jahresumsatz. Ab 100 Mio. aktiven Nutzern oder 20 Mio. $ Monatsumsatz ist der Hinweis „Powered by StepFun AI“ Pflicht. Modelle, die wesentlich auf Ausgaben von Step 5 trainiert wurden, gelten als abgeleitete Werke. Eine regionale Einschränkung enthält die Lizenz nicht.
• Gewichte: ungated auf Hugging Face (stepfun-ai/Step-5-Preview, Metadaten 604B Parameter) sowie auf ModelScope; zusätzlich ein NVFP4-Repo. Unterstützt werden vLLM und SGLang (eigene step5-Parser für Reasoning und Tool-Aufrufe, MTP- bzw. EAGLE-Spekulativdekodierung) sowie Transformers.
• Empfohlene Parameter: temperature 1,0, top_p 0,95, top_k 0.
• Reasoning: Stufen low, medium und high; alle Herstellerwerte beziehen sich auf high.
• Kontext: 1M Token für Ein- und Ausgabe zusammen; die Model Card nennt als maximale Ausgabe ebenfalls bis zu 1M Token, OpenRouter begrenzt auf 64.000 Ausgabe-Token.
• Modalitäten: Die Spezifikationstabelle nennt Text und Bild als Eingabe, der Einleitungstext zusätzlich Video. Die Card folgt der Spezifikationstabelle.
• Sprachen: StepFun nennt keine unterstützten Sprachen; Ergebnisse für Deutsch liegen nicht vor.
• Preise: StepFun-API 1,00 $ Input, 2,70 $ Output je 1 Mio. Token, gecachter Input je nach Quelle 0,05–0,10 $. Dieselben Konditionen gelten bei den OpenRouter-Anbietern DeepInfra, Featherless und inference.net. Artificial Analysis misst rund 91–100 Token/s Ausgabe.
• Datenschutz: Die StepFun-API wird von einem chinesischen Anbieter betrieben. Für personenbezogene Daten sind Eigenbetrieb oder ein Drittanbieter mit geeigneter Vertragsgrundlage die naheliegenden Wege.
• Vorgeschichte: Kurz nach dem API-Start war im September 2026 ein BF16-Checkpoint versehentlich öffentlich und wurde von Dritten kopiert. Maßgeblich sind die offiziellen Repos unter stepfun-ai.
• Weitere Herstellerwerte (High, ohne Eintrag in der Score-Tabelle): DeepSWE v1.1 67,7 %, SWE-Marathon v1.1 72,7 %, ProgramBench 80,5 %, StepCodeBench 49,0 % (StepFun-eigener Benchmark), BrowseComp 88,7 %, FrontierFinance 66,4 %, DRACO 83,3 %, Agents' Last Exam (ALE-CLI) 29,5 %, MCP-Atlas 85,6 %, Toolathlon Verified 74,1 %, GDPval-AA v2 1.571 (Elo-Skala), HLE 46,5 %, Terminal-Bench v4 33,3 %.
• Weitere AA-Werte ohne Katalog-Schlüssel: GDP.pdf 15 %, CritPt 21 %, AA-Omniscience 16. SciCode und CritPt stehen bei Artificial Analysis aktuell auf „Under review“.
• Alternativen: GLM-5.3 (offen, AA 45) und Kimi K3 (offen, AA 44) auf ähnlichem Niveau; Muse Spark Open (AA 39) als offenes US-Modell mit Audio- und Videoeingabe.