StepFun Step 5 Preview：エージェント向けの600Bオープンウェイトモデル

AIエージェント向けに作られた6,000億パラメータのモデル、StepFunのStep 5 Previewの重みが、Hugging Faceで公開されました。このモデルが1か月間APIでしか使えなかった後、StepFunはファイルを2026年10月15日に公開すると約束していました。開発者は今後、コーディングに重点を置いた大規模モデルをダウンロードし、自分で動かせます。ただし、データセンター向けGPUを満載したサーバーが必要です。

重みとは、モデルを構成する訓練済みの数値です。「オープンウェイト」とは、ライセンスの条件の範囲内で、誰でも重みをダウンロードし、モデルを手元で動かし、ファインチューニングできることを意味します。

Step 5 Previewとは

Hugging Faceのモデルカードは、このモデルを「エージェント型の作業に向けたStepFunのフラッグシップモデル」と呼んでいます。これはスパースなMoE（Mixture of Experts、専門家混合）モデルです。MoEモデルはパラメータを多数の小さな専門家ネットワークに分け、1語ごとにそのうちいくつかだけを使います。そのため、規模から想像されるよりも速く動きます。

項目	Step 5 Preview
総パラメータ数	600B（ファイルのメタデータでは604B）
1トークンあたりのアクティブパラメータ	約27B
コンテキストウィンドウ	最大1Mトークン
入力	テキストと画像
重みの形式	BF16とFP8
ライセンス	StepFun Model License 1.0
ダウンロード数	直近1か月で998

モデルカードは、このライセンスを「Apache-2.0スタイルのライセンス」と説明しており、クレジット表示と商用ライセンスに関する追加の条件が付いています。これは、以前の報道とは異なります。Developers Digestは10月、StepFunの発表にはライセンスが明記されていなかったこと、ベンチマーク企業のArtificial Analysisがこのモデルをプロプライエタリ（独占的）なモデルとして掲載していたことを指摘していました。

プレースホルダーからダウンロードへ

StepFunは9月20日にこのモデルを発表し、同じ日にAPIでの提供を始めました。OrcaRouterの報道によると、その時点で、BF16の重みを置くHugging Faceのリポジトリにはファイルが1つあるだけで、重みはありませんでした。「リポジトリはプレースホルダーで、それこそが話の核心だ」と、その記事の筆者であるGideon Frost氏は書いています。

モデルは10月8日、多数のAIモデルへのアクセスを再販するサービスであるOpenRouterで使えるようになりました。その翌日、Developers Digestは、重みは「2026年10月15日に公開が約束されている」と書きました。StepFunのGitHubにあるこのモデルのリポジトリは、10月15日に更新されました。現在、モデルカードには重みの形式に関するメタデータとダウンロード数が載っています。

ベンチマークと価格

StepFun自身の数値では、コーディングのタスクで最高のクローズドモデルに迫るものの、まだ及んでいません。グラフは、Developers Digestが転載した表をもとに、DeepSWE v1.1のスコアを「Max」設定で実行した競合モデルと並べて示しています。StepFunの発表も、「最先端との間には、まだ意味のある差が残っている」と認めています。

モデルカードには、コマンドラインのタスクを測るテストであるTerminal-Bench 4で、33.3というスコアも載っています。独立した指標であるArtificial Analysis Intelligence Indexでのスコアは44です。OrcaRouterによると9月18日時点で200モデル中24位、Developers Digestによると10月9日までに226モデル中40位でした。

OpenRouterでの価格は、入力100万トークンあたり1.00ドル、出力100万トークンあたり2.70ドルです。Developers Digestは、キャッシュされた入力を0.05ドルとしています。Artificial Analysisは、このモデルが「非常に冗長」であることも確認しました。この指標で出力したトークンは1億6,000万で、これに対して中央値は8,100万でした。

動かすのに必要なもの

モデルカードには構成例が載っています。圧縮された8ビット形式のFP8なら、vLLMは1台のサーバーにある4基のB300 GPU、または8基のH200 GPUでこのモデルを動かせます。フル精度のBF16では、8基のB300、または2台のサーバーにまたがる16基のH200が必要です。vLLMとSGLangは、モデルを提供（サービング）するための人気のオープンソースプログラムです。

つまり、ノートPCや1台のワークステーションでのセルフホスティングは現実的ではありません。今週は、Metaの816BのMuse Spark Openをはじめ、ほかにも非常に大規模なオープンモデルの公開が相次いでいます。

開発者にとっての意味

• リリース前にライセンスを読むこと。 モデルカードにあるStepFun Model License 1.0は、Apacheスタイルの土台に、クレジット表示と商用ライセンスの条件を加えています。このモデルで製品を作る前に、自社の製品がそれらの条件に該当するかを確認してください。
• 単価だけでなく出力量を見込んで予算を立てること。 出力100万トークンあたり2.70ドルという料金は安いものの、このモデルは大量に書きます。定価ではなく、自社のワークロードでタスクごとの実際のトークン数を測ってください。
• GPUを買う前にAPIで試すこと。 掲載されているサーバー構成で最小のものは、H200が8基です。まずOpenRouter経由で試し、そのうえでセルフホスティングで費用を節約できるかを判断してください。
• ベンダーのスコアは出発点として扱うこと。 DeepSWEとStepCodeBenchの数値は、StepFunによるものです。乗り換える前に、自社のリポジトリやエージェントのタスクで動かしてみてください。
• 推奨設定を使うこと。 モデルカードは、temperature 1.0、top_p 0.95、top_k 0を推奨しており、結果は推論設定「High」で報告されています。設定が違えば、公表されたスコアと一致しないかもしれません。