Artificial Analysis 评测 Step 5 Preview： Intelligence Index 得 44 分，成本约为同级模型 1/2.8
TL;DR · AI 摘要
阶跃星辰Step 5 Preview在Artificial Analysis Intelligence Index得44分，成本为同级模型的1/2.8，但智能体评测表现略逊于Qwen3.8 Max和GLM-5.3。
核心要点
- Step 5 Preview每任务成本$0.72，为同分模型的1/2.8
- 前沿推理能力较Step 3.7 Flash提升25分（HLE）和19分（CritPt）
- 600B参数模型在AA-Omniscience准确率42%，但幻觉率43%
结构提纲
按章节快速跳转。
- §评测概览
Step 5 Preview在Intelligence Index得44分，成本显著低于同级模型。
600B总参数/27B激活参数，输入输出token定价$1/$2.70。
在HLE和CritPt测试中表现优于前代模型，但落后于Kimi K3。
GDPval-AA Elo值1566，低于Qwen3.8 Max和GLM-5.3。
支持文本/图像/视频输入，文本输出，但未提及具体实现细节。
AA-Omniscience准确率42%，但幻觉率高于GLM-5.3。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Step 5 Preview评测分析
- 核心指标
- Intelligence Index 44分
- 成本$0.72/任务
- 性能对比
- HLE 46%（vs Kimi K3 47%）
- CritPt 21%（介于Kimi K3与GLM-5.3之间）
- 短板分析
- GDPval-AA Elo 1566（低于Qwen3.8 Max 1668）
- AA-Omniscience Index 16（介于GLM-5.3与Kimi K3之间）
金句 / Highlights
值得收藏与分享的关键句。
Step 5 Preview每任务成本$0.72，仅为同分模型Kimi K3的1/2.8
在Humanity's Last Exam测试中得分46%，与Kimi K3（47%）差距仅1%
600B参数模型在AA-Omniscience准确率42%，但幻觉率43%（GLM-5.3为30%）
Artificial Analysis 评测 Step 5 Preview： Intelligence Index 得 · AIHOT
返回
原文
精选
AI 评分 65/100
在 X 查看原推
（在新标签页打开）
导出 Markdown
Artificial Analysis 评测 Step 5 Preview： Intelligence Index 得 44 分，成本约为同级模型 1/2.8
Artificial Analysis · @ArtificialAnlys · X
·
2026-09-22 09:49
8分钟前
AI 导读
Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelligence Index 得 44 分，与 Kimi K3 (max) 持平，略低于 GLM-5.3 (max) 和 Qwen3.8 Max 的 45 分，每任务成本约 $0.72，约为同级模型（约 $2.00）的 1/2.8。
Artificial Analysis
@
ArtificialAnlys
65
AI 编辑部评分，满分 100
· 8分钟前
推荐理由
Artificial Analysis 实测 Step 5 Preview 的得分、成本与智能体短板，读者可据此对比同分段模型的表现与性价比。
正文 · AI 翻译
中文
阶跃星辰的 Step 5 Preview 在 Artificial Analysis 智能指数上得分 44，与 Kimi K3（max）持平，而每任务成本约低 2.8 倍，但在智能体评测上落后于同类模型
Step 5 Preview 是 @StepFun_ai 的新旗舰模型，总参数量 600B、激活参数 27B，接替 Step 3.7 Flash（2026 年 5 月发布）。它在智能指数上得分 44，与 Kimi K3（max）持平，仅略低于 GLM-5.3（max，45）和 Qwen3.8 Max（45）
关键要点：
➤ Step 5 Preview 每完成一项智能指数任务的成本，比同分数模型低约 2.8 倍。它每任务成本约 $0.72，而同样得分 44 的 Kimi K3（max）约为 $2.00，得分 45 的 GLM-5.3（max）约为 $2.01。这源于其定价：每 1M 输入/输出 token 为 $1/$2.70，在输入和输出上都低于这两者。MiMo-V2.6-Pro 是唯一一个得分更高（46）而每任务成本更低（$0.13）的模型
➤ 前沿推理是其突出强项，也是相较 Step 3.7 Flash 提升最大的地方。Step 5 Preview 在 Humanity's Last Exam 上得分 46%，与 Kimi K3（max，47%）相当；在 CritPt 上得分 21%，介于 Kimi K3（23%）和 GLM-5.3（max，19%）之间。两者相较 Step 3.7 Flash 均大幅提升：HLE 上 +25 分，CritPt 上 +19 分
➤ 在参数更少的情况下，AA-Omniscience 准确率高于 GLM-5.3，但幻觉更多。Step 5 Preview 总参数量为 600B，在 AA-Omniscience（我们衡量事实回忆与幻觉的基准）上达到 42% 的准确率，领先于 GLM-5.3（max，34%，753B），落后于 Kimi K3（max，48%，2.8T）。它尝试回答的问题比 GLM-5.3 更多（68% 对 55%），且作答时更常出现幻觉（43% 对 30%），最终在 AA-Omniscience Index 上得分为 16，介于 GLM-5.3（14）与 Kimi K3（20）之间
➤ 在智能体评测中，Step 5 Preview 落后于 Intelligence Index 得分相近的同类模型。它在我们衡量智能体表现的主要评测 GDPval-AA 上获得 1，566 Elo，落后于 Qwen3.8 Max（1，668）和 GLM-5.3（max，1，646）。这一差距在 Terminal-Bench 4.0（33% 对 39% 和 42%）、AA-Briefcase（1，432 Elo 对 1，640 和 1，525）以及 AutomationBench-AA（51% 对 56% 和 62%）上同样存在
模型关键细节：
➤ 模型规模：600B 总参数，27B 激活参数的 MoE 模型
➤ 上下文窗口：1M tokens
➤ 多模态：支持文本、图像和视频输入，文本输出
➤ 定价：每 1M 输入/输出 tokens 为 $1/$2.70，缓存输入为 $0.05/M
➤ 可用性：StepFun 第一方 API，并计划于 10 月 15 日发布开放权重
➤ 许可：目前为闭源权重，计划于 10 月 15 日发布权重
来源： Artificial Analysis · x.com
智能体
推理
评测/基准