“单任务成本仅为Claude Opus 5的1/8”，阶跃星辰Step 5 Preview跻身全球开源前三：榜单之外，场景落地仍需攻坚

来源：每日经济新闻

“单任务成本仅为Claude Opus 5的1/8”，阶跃星辰Step 5 Preview跻身全球开源前三：榜单之外，场景落地仍需攻坚

每经记者｜郑欣蔚每经编辑｜余婷婷

1/8，这是阶跃星辰为Step 5 Preview标出的成本注脚。

9月20日，这家正处于赴港IPO（首次公开募股）关键窗口的国产大模型公司，发布了新一代开源旗舰基座模型Step 5 Preview。600B总参数、27B激活、稀疏MoE架构、100万Token（词元）上下文，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）上拿到44分，位列全球开源模型前三。

图片来源：Artificial Analysis网站

另一个阶跃星辰想要强调的数字是，“单任务成本仅为Claude Opus 5的1/8”。在其看来，“这意味着，Step 5 Preview 在同样成本下获得更强智能，也让同等能力能以更低成本投入实际工作——进一步推动AI模型的帕累托前沿”。

阶跃星辰表示，过去大模型Scaling（规模化扩展）的核心，是用更多计算换取更强智能；但随着模型规模扩大、智能体任务复杂度提升，计算成本也在快速攀升。因此下一阶段模型Scaling的关键，是提升计算转化为智能的效率。

从今年2月发布的Step 3.5 Flash、5月上线的Step 3.7 Flash到Step 5 Preview，阶跃星辰连续几代基座模型都在追问同一个问题：如何更高效地把计算转化为模型能力？

再一次押注模型效率，Step 5 Preview这张答卷的成色究竟如何？“1/8成本”的参照系是否经得起推敲？编程与金融两个战场的真实竞争力又在哪里？

效率的赌注：1/8成本的成色与技术坐标

阶跃星辰表示，随着Agent从“回答问题”走向“完成任务”，日常工作主力模型的评判标准不再只是单项能力足够强，而是要在能力、成本、效率和场景覆盖之间实现更好平衡，Step 5 Preview正是围绕这种平衡而设计。

与近期引发广泛关注的2.8万亿参数模型Kimi K3相比，Step 5 Preview用不到其五分之一的体量，在AA综合智能指数上拿到相同分数，在国产模型中得分仅次于45分的Qwen3.8 Max和GLM-5.3。

“这是一次教科书式的达标交卷，但离真正的代际跃迁还差一步。”快思慢想研究院院长田丰在接受《每日经济新闻》记者采访时就阶跃星辰新一代基座模型的技术坐标解读道，国产大模型的密集更新节奏，正在把“分数领先”的含金量不断稀释，值钱的不再是某一次登榜，而是能不能在成本曲线和智能曲线之间，持续跑出比对手更陡的斜率。

从成本来看，“1/8成本”的参照对象是目前市面上最贵的模型之一。如果对标AA测算口径下，参数规模相近的DeepSeek最新模型V4.1 Flash完成标准智能任务0.27美元的加权平均成本，Step 5 Preview的成本达到0.71美元，处于更高水平。

在田丰看来，Step 5 Preview并没有触及行业真正的成本地板。与此同时，推理硬件的性能提升速度，决定了全行业的推理成本大约每12到18个月就会有明显下降；若仅靠价格成本这一张牌，既容易被更大规模玩家的补贴战覆盖，也容易被行业整体成本下降自然填平，价格代差无法长久。

但价格战从来不是阶跃星辰真正想打的牌。成本优势是结果，效率是方法；低价标签的壁垒容易消散，但持续下压成本曲线的工程能力却不会。这才是阶跃星辰连续三代押注“效率”的真正意图：不是比谁今天更便宜，而是比谁能在同样的参数体量下，跑出更强大的智能表现。

所以，阶跃星辰把“效率”上升到战略层面，这不是某一代模型的特性，从Step 3.5 Flash到Step 3.7 Flash再到Step 5 Preview，其反复在证明一件事：能在更小参数规模下，逼近更大参数模型的能力。

田丰认为，Step 3.5 Flash总参数196B、激活11B，Step 3.7 Flash总参数198B、激活11B，这两代参数规模几乎原地踏步，是阶跃星辰刻意压住规模、在同一体量下死磕效率打磨；Step 5 Preview才是真正进行实质性参数扩容的产品。这一过程不是一路线性放大稀疏度的叙事，而是先在小规模上把效率打磨到位、验证清楚，再决定要不要扩容，体现出更谨慎的工程节奏。这比“越做越大”的路线多了一层自我约束，背后其实是整个行业规律的显现，不只是阶跃星辰一家的选择。

“Anthropic CEO（首席执行官）Dario Amodei提出过一个判断：Scaling law（规模定律）本身没有失效，但‘把算力转化为智能’的转化效率，正在成为新的竞争维度。这跟摩尔定律的历史转折很像——当晶体管数量堆叠的边际效益递减，行业竞争的焦点从‘数量’转向‘每瓦性能’。阶跃只是在这条曲线上跑得比较早、比较坚决的企业，方向是行业的必然，节奏是阶跃自己的选择。”田丰指出，Step 5 Preview的发布不是一次改变竞争格局的跃迁，而是阶跃星辰在效率这条自己选定的赛道上又往前跑了一步。

场景的考验：Coding红海与金融蓝海

每经记者注意到，Step 5 Preview把重点检验场景锚定在AI Coding（人工智能编程）和金融领域，这两个方向的选择本身就值得玩味。

编程是大模型商业化最成熟的场景，也是竞争最激烈的红海。IDC数据显示，2025年中国AI编程市场规模为3.99亿元，预计2026年底将飙升至11.73亿元。这一战场上，编程测试SWE-bench上长期领先的智谱GLM系列模型在企业级市场攻城略地，Kimi则以超长上下文的差异化优势建立口碑，更有阿里这家在中国AI编程市场占有近50%份额的大厂一同角逐。

阶跃星辰能在这一赛道分得一杯羹吗？就测评数据来看，Step 5 Preview在DeepSWE v1.1这一软件工程测试上获得67.7%的得分，甚至略高于Kimi K3与GLM-5.3。

不过，在田丰看来，Coding agent（编程智能体）竞争的胜负手不是单次问答的基准测试分数，而是agentic loop（智能体循环）能不能稳定跑通、工具调用会不会中途崩溃。此外，如今智谱GLM Coding Plan、Kimi的一系列模型已在开发者的IDE插件、订阅习惯、工作流中扎根，占据用户心智，即便Step 5 Preview的编程分数打平甚至反超，开发者迁移时会面临工具链重新集成的沉没成本，想要撬动这一心智壁垒并不容易。

金融场景，则是另一个故事。相比于打得火热的编程领域，这一领域相对是一片仍待开发的蓝海。阶跃星辰把金融选为Step 5 Preview的核心验证场景，不是偶然：金融连接宏观经济、政策监管、行业周期与公司经营，要求模型具备专业知识、跨行业理解、证据核验、复杂问题拆解等综合能力。值得一提的是，Step 5 Preview在Frontier Finance这一金融领域基准测试中的得分也高于GLM-5.3、Kimi K3与DeepSeek V4.1 Flash。

图片来源：阶跃星辰官网

就商业化落地而言，9月17日，Kimi发布金融行业解决方案，涵盖超10项权威数据源、9项金融技能和5项合规安全措施，以及机构级的数据建模和报告交付能力，同时官宣数十家金融机构合作伙伴。智谱在金融场景也已与多家银行合作部署模型落地，今年6月已与中国银联签署战略合作协议。

在海外，AI在金融领域的应用前景也受到广泛关注。9月，OpenAI推出金融行业的定制化服务ChatGPT for Financial Services（金融版ChatGPT）。而在今年5月已经推出Claude for Financial Services（金融版Claude）的Anthropic，也于9月进一步推出了Claude for Financial Advisors（面向理财/金融顾问的Claude）。公开资料显示，截至今年7月，金融服务与保险已占Anthropic年度经常性收入的25%，仅次于编程与软件工程的36%；Anthropic内部预计，金融领域有望在2027年超过编程领域，成为其最大的垂直应用市场。

阶跃星辰创始人、CEO姜大昕近日公开表示，垂类大模型正与金融行业生产系统加速融合，背后是模型从单点应用能力向基础设施的跃迁。在这一充满前景的领域，阶跃星辰需要证明的，不仅仅是在测评分数上的领先，而是其模型、智能体产品等能否在更多金融机构中完成嵌入核心业务的现实落地。

从Step 3.5 Flash到Step 5 Preview，阶跃星辰证明了一件事：在效率这条赛道上，它的执行力足够坚决，但执行力不等于胜利。随着推理成本自然下降，单纯的价格优势终将被抹平。真正的考验在场景里：Coding的用户心智壁垒需要时间去撬动，金融领域的核心业务嵌入需要案例去证明。Step 5 Preview把阶跃星辰重新送进了开源第一阵营，但从“第一阵营”到“不可替代”，中间还需要解决很多难题。