StepFun Step 5 Preview : un modèle pour agents de 600B à poids ouverts

Step 5 Preview de StepFun, un modèle de 600 milliards de paramètres conçu pour les agents IA, a désormais ses poids sur Hugging Face. StepFun avait promis les fichiers pour le 15 octobre 2026, après un mois pendant lequel le modèle n'était accessible que via son API. Les développeurs peuvent désormais télécharger un grand modèle axé sur le code et l'exécuter eux-mêmes. Il faut toutefois un serveur rempli de GPU de data center.

Les poids sont les nombres appris pendant l'entraînement qui constituent un modèle. « Poids ouverts » signifie que tout le monde peut les télécharger, exécuter le modèle en local et l'affiner, dans le respect des conditions de la licence.

Ce qu'est Step 5 Preview

La fiche du modèle sur Hugging Face le présente comme « le modèle phare de StepFun pour le travail agentique ». C'est un modèle sparse à mélange d'experts (MoE). Un modèle MoE répartit ses paramètres entre de nombreux réseaux experts plus petits et n'en utilise que quelques-uns pour chaque mot. Il tourne donc plus vite que sa taille ne le laisse penser.

Caractéristique	Step 5 Preview
Paramètres au total	600B (604B dans les métadonnées du fichier)
Actifs par token	Environ 27B
Fenêtre de contexte	Jusqu'à 1M de tokens
Entrée	Texte et images
Formats des poids	BF16 et FP8
Licence	StepFun Model License 1.0
Téléchargements	998 le mois dernier

La fiche décrit la licence comme « une licence de style Apache-2.0 », avec des conditions supplémentaires d'attribution et de licence commerciale. Cela diffère des informations antérieures. En octobre, Developers Digest notait que l'annonce de StepFun ne mentionnait aucune licence. La société d'évaluation Artificial Analysis classait alors le modèle comme propriétaire.

D'un dépôt vide au téléchargement

StepFun a annoncé le modèle le 20 septembre, avec un accès API le jour même. À cette date, son dépôt Hugging Face pour les poids BF16 ne contenait qu'un seul fichier et aucun poids, a rapporté OrcaRouter. « Le dépôt est un simple espace réservé, et c'est bien là toute l'histoire », a écrit Gideon Frost, l'auteur de ce billet.

Le modèle est arrivé le 8 octobre sur OpenRouter, un service qui revend l'accès à de nombreux modèles d'IA. Le lendemain, Developers Digest écrivait que les poids étaient « promis pour le 15 octobre 2026 ». Le dépôt GitHub de StepFun pour le modèle a été mis à jour le 15 octobre. La fiche du modèle affiche désormais les métadonnées des formats de poids et un compteur de téléchargements.

Benchmarks et prix

Selon ses propres chiffres, StepFun se place près des meilleurs modèles fermés sur les tâches de code, mais derrière eux. Le graphique montre son score DeepSWE v1.1 à côté de celui de concurrents utilisés avec leurs réglages « Max ». Les chiffres viennent du tableau reproduit par Developers Digest. L'annonce de StepFun admet qu'« un écart significatif avec la frontière demeure ».

La fiche du modèle ajoute un score de 33,3 sur Terminal-Bench 4, un test de tâches en ligne de commande. Sur l'indice indépendant Artificial Analysis Intelligence Index, il obtient 44. Il était 24e sur 200 modèles le 18 septembre, selon OrcaRouter, et 40e sur 226 au 9 octobre, selon Developers Digest.

Sur OpenRouter, il coûte 1,00 $ par million de tokens en entrée et 2,70 $ par million de tokens en sortie. Developers Digest indique 0,05 $ pour l'entrée en cache. Artificial Analysis l'a aussi trouvé « très verbeux » : il a produit 160 millions de tokens en sortie sur l'indice, contre une médiane de 81 millions.

Ce qu'il faut pour l'exécuter

La fiche du modèle donne des exemples de configurations. En FP8, un format compressé sur 8 bits, vLLM l'exécute sur quatre GPU B300 ou huit GPU H200 dans un seul serveur. En BF16 complet, il faut huit B300, ou 16 H200 répartis sur deux serveurs. vLLM et SGLang sont des programmes open source populaires pour servir des modèles.

L'auto-hébergement est donc hors de portée des ordinateurs portables et des stations de travail isolées. Le modèle arrive parmi d'autres très grandes publications ouvertes cette semaine, dont Muse Spark Open de Meta, avec 816B paramètres.

Ce que cela signifie pour les développeurs

• Lisez la licence avant de livrer. La StepFun Model License 1.0 de la fiche ajoute des conditions d'attribution et de licence commerciale à une base de type Apache. Vérifiez si votre produit les déclenche avant de bâtir dessus.
• Budgétez la sortie, pas seulement le prix. À 2,70 $ par million de tokens en sortie, le tarif est bas, mais le modèle écrit beaucoup. Mesurez le nombre réel de tokens par tâche sur votre propre charge de travail, plutôt que de vous fier au prix catalogue.
• Essayez l'API avant d'acheter des GPU. Huit H200, c'est la plus petite configuration serveur indiquée. Testez d'abord le modèle via OpenRouter, puis décidez si l'auto-hébergement fait économiser de l'argent.
• Prenez les scores de l'éditeur comme un point de départ. Les chiffres DeepSWE et StepCodeBench viennent de StepFun. Testez le modèle sur vos propres dépôts et tâches d'agent avant de changer.
• Utilisez les réglages recommandés. La fiche suggère temperature 1.0, top_p 0.95 et top_k 0, avec des résultats rapportés au réglage de raisonnement « High ». D'autres réglages peuvent ne pas reproduire les scores publiés.