9 月的大模型战场之激烈，没有谁能稳坐钓鱼台。 除了榜单上的排名厮杀，各家还要比拼的，还有「庖丁解牛」般的实战功夫。 模型能否处理越来越复杂的真实任务，响应能否满足真实场景的即时需求，成本能否支撑大规模调用，以及能力能否真正进入手机、汽车等终端设备，正在成为衡量一家基模公司的行业金线。 今天，旗舰模型又杀出一匹黑马。阶跃星辰发布了新一代开源旗舰基础模型 Step 5 Preview。 在全球权威的 Artificial Analysis Intelligence Index 中，Step 5 Preview 取得 44 分，位居全球开源模型前三，同时进入模型智能水平与单任务成本权衡的「帕累托前沿」，即让模型在能力、效率、成本之间实现最佳平衡。 APPSO 一轮实测下来，发现阶跃悄悄杀回了国产大模型牌桌的头部玩家行列。 实测 Step 5 Preview ，阶跃开始兑现更大的野心 Step 5 Preview 重点面向 AI 编程、软件工程、专业知识工作、金融等场景，擅长处理需要长上下文、多轮工具调用与持续执行的真实工作任务。 Step 5 Preview 模型采用稀疏 MoE 架构，总参数量为 600B，实际激活参数仅 27B，原生支持文本与视觉输入，上下文长度达到 1M。 我们直接通过 WorkBuddy 接入模型，覆盖编程、设计、3D 生成、深度调研和数据分析，看看实际表现如何。 编程测试从简单 Three.js 五子棋测试开始，落子、轮次切换和胜负判定，构成小游戏最基本的功能框架。Step 5 Preview 生成的小游戏甚至还有人机对弈环节。 在威尼斯快艇游戏案例中，Step 5 Preview 不仅完成了主要玩法，还把水面、建筑与镜头运动组织在同一个场景里，最终效果已经接近可以直接体验的网页小游戏。 卡帕多奇亚热气球场景进一步提高了复杂度。 数十个气球需要同时飞行，日照、风向和观察视角均可调整，视觉表现与运行效率也要兼顾。面对多个彼此关联的变量，Step 5 Preview 仍然保持了较完整的场景结构和交互逻辑。 我们还让 Step 5 Preview 以 Three.js 尝试还原尼亚加拉瀑布，面对动态水体、水雾、彩虹、游船、多视角和季节切换等高密度要求，它依然兼顾了视觉效果、交互逻辑与运行效率，整体完成度相当亮眼。 网页操作系统也是一个颇有参考价值的横向样本。 此前，我曾用 DeepSeek V4 Pro 和 DeepSeek V4.1 Flash 测试过相同类型的 Mac 操作系统任务，而 Step 5 Preview 此次交出的页面在界面完整度、功能衔接和细节还原上都更进一步，整体完成度明显更高。 网页设计和 3D 资产测试进一步考察视觉理解与空间表达。 太空行星和夜间跑车两个主题都提供了明确的视觉中心。模型需要将构图、文字可读性与移动端适配落实在同一个页面中，最终结果也能看出 Step 5 Preview 对视觉层级和页面氛围的理解。 3D 资产测试我选择了狮身人面像，Step 5 Preview 也能轻松抓住不同对象的结构特征，并将其转化为空间表达。 面对一张我随手拍摄的照片，它也能在数分钟内还原出具备基本结构和空间细节的模型。 ▲ 左为原图，右为成品 相比创作任务，深度调研更考验证据组织、专业知识与判断能力，金融则是检验模型综合能力的典型场景。 阶跃围绕公司研究这一高难度的金融工作流构建了三项内部评测，并引入包含 220 道专家问题、11543 项评估标准的 FrontierFinance。官方结果显示，Step 5 Preview 在四项金融基准中的表现均接近 Claude Opus 5，在信息检索、企业估值和金融研究等任务上具备强大的能力。 回到 APPSO 的实测，小折叠手机立项报告同样要求模型串联用户投诉、外屏生态和售后成本，最终给出有依据的产品建议。任务的难点在于，模型既要查找和整理资料，也要从分散信息中提炼出能够影响产品决策的结论。 广州、佛山七日游同时加入预算、体力和严格素食限制，考察模型能否在完整行程中持续遵守多重条件。此类任务看似生活化，却很容易因为行程变长而遗忘限制，Step 5 Preview 不仅持续遵循约束条件，方案也有更高的可行性。 销售明细表分析进一步贴近企业日常。模型需要先清洗混乱数据，再追踪负利润率订单集中的大区与品类，最后生成月度销售趋势图。处理过程是否清晰、结论能否复核，直接决定交付物能否进入真实工作流。 从网页游戏、3D 资产到金融研究和数据分析，这些案例显示，Step 5 Preview 已经能够理解复杂需求、规划执行步骤、调用工具并持续遵守约束，最终交付可以运行、阅读或继续使用的成果。 Agent 浪潮将至，阶跃手里有什么牌 如果说 Step 5 Previe