StepFun Step 5 Preview: modelo de 600B para agentes, com pesos abertos

O Step 5 Preview da StepFun, um modelo de 600 bilhões de parâmetros feito para agentes de IA, agora tem seus pesos no Hugging Face. A StepFun prometeu os arquivos para 15 de outubro de 2026, depois de um mês em que o modelo esteve disponível só pela sua API. Os desenvolvedores agora podem baixar um grande modelo focado em programação e rodá-lo por conta própria. Mas ele precisa de um servidor cheio de GPUs de data center.

Pesos são os números treinados que compõem um modelo. "Pesos abertos" significa que qualquer pessoa pode baixá-los, rodar o modelo localmente e fazer fine-tuning dele, dentro dos termos da licença.

O que é o Step 5 Preview

A ficha do modelo no Hugging Face o chama de "o modelo principal da StepFun para trabalho agêntico". Ele é um modelo esparso de mistura de especialistas (MoE). Um modelo MoE divide seus parâmetros em muitas redes especialistas menores e usa só algumas delas para cada palavra, então roda mais rápido do que seu tamanho sugere.

Característica	Step 5 Preview
Parâmetros no total	600B (604B nos metadados do arquivo)
Ativos por token	Cerca de 27B
Janela de contexto	Até 1M de tokens
Entrada	Texto e imagens
Formatos dos pesos	BF16 e FP8
Licença	StepFun Model License 1.0
Downloads	998 no último mês

A ficha descreve a licença como "uma licença no estilo Apache-2.0", com condições extras de atribuição e de licença comercial. Isso difere de reportagens anteriores. Em outubro, o Developers Digest observou que o anúncio da StepFun não citava licença. Ele também notou que a empresa de benchmarks Artificial Analysis listava o modelo como proprietário.

De placeholder a download

A StepFun anunciou o modelo em 20 de setembro, com acesso pela API no mesmo dia. Nessa data, seu repositório no Hugging Face para os pesos BF16 tinha um único arquivo e nenhum peso, informou o OrcaRouter. "O repositório é um placeholder, e essa é a história", escreveu Gideon Frost, autor daquela publicação.

O modelo chegou ao OpenRouter, um serviço que revende acesso a muitos modelos de IA, em 8 de outubro. Um dia depois, o Developers Digest escreveu que os pesos estavam "prometidos para 15 de outubro de 2026". O repositório da StepFun no GitHub para o modelo foi atualizado em 15 de outubro. A ficha do modelo agora traz metadados de formato dos pesos e uma contagem de downloads.

Benchmarks e preço

Os próprios números da StepFun o colocam perto, mas atrás, dos melhores modelos fechados em tarefas de programação. O gráfico mostra sua pontuação no DeepSWE v1.1 ao lado de rivais rodados em suas configurações "Max", a partir da tabela que o Developers Digest reproduziu. O anúncio da StepFun admite que "ainda resta uma distância significativa até a fronteira".

A ficha do modelo acrescenta uma pontuação de 33,3 no Terminal-Bench 4, um teste de tarefas de linha de comando. No índice independente Artificial Analysis Intelligence Index, ele marca 44. Ficou em 24º lugar entre 200 modelos em 18 de setembro, segundo o OrcaRouter, e em 40º entre 226 até 9 de outubro, segundo o Developers Digest.

No OpenRouter, ele custa US$ 1,00 por milhão de tokens de entrada e US$ 2,70 por milhão de tokens de saída. O Developers Digest lista a entrada em cache a US$ 0,05. A Artificial Analysis também o achou "muito prolixo": ele produziu 160 milhões de tokens de saída no índice, contra uma mediana de 81 milhões.

O que é preciso para rodá-lo

A ficha do modelo lista configurações de exemplo. Em FP8, um formato compactado de 8 bits, o vLLM o roda em quatro GPUs B300 ou oito GPUs H200 em um único servidor. Em BF16 completo, ele precisa de oito B300, ou de 16 H200 em dois servidores. O vLLM e o SGLang são programas populares de código aberto para servir modelos.

Isso deixa a hospedagem própria fora do alcance de laptops e de estações de trabalho individuais. O modelo chega em meio a outros lançamentos abertos muito grandes nesta semana, incluindo o Muse Spark Open de 816B da Meta.

O que isso significa para desenvolvedores

• Leia a licença antes de lançar. A StepFun Model License 1.0 da ficha acrescenta condições de atribuição e de licença comercial a uma base no estilo Apache. Verifique se o seu produto aciona essas condições antes de construir sobre o modelo.
• Planeje o orçamento pela saída, não só pelo preço. A US$ 2,70 por milhão de tokens de saída, a tarifa é baixa, mas o modelo escreve muito. Meça os tokens reais por tarefa na sua própria carga de trabalho, não o preço de tabela.
• Teste a API antes de comprar GPUs. Oito H200 é a menor configuração de servidor listada. Teste o modelo primeiro pelo OpenRouter e depois decida se a hospedagem própria economiza dinheiro.
• Trate as pontuações do fornecedor como ponto de partida. Os números do DeepSWE e do StepCodeBench vêm da StepFun. Rode o modelo nos seus próprios repositórios e tarefas de agentes antes de trocar.
• Use as configurações recomendadas. A ficha sugere temperature 1.0, top_p 0.95 e top_k 0, com resultados informados na configuração de raciocínio "High". Configurações diferentes podem não reproduzir as pontuações publicadas.