最近，国产模型又迎来一轮更新，多家厂商相继推出旗舰模型。从跑分和实际体验来看，这一轮模型的进步都很明显。
最近，国产模型又迎来一轮更新，多家厂商相继推出旗舰模型。从跑分和实际体验来看，这一轮模型的进步都很明显。
9 月 20 日，阶跃星辰发布了新模型 Step 5 Preview。距离上一次发布 Step 3.7 Flash 还不到四个月，版本号就从 3.7 直接跳到了 5。这个跨度不小，至少从命名来看，阶跃星辰对这次升级很有信心，也把大家的期待值拉高了。
Step 5 Preview 主要面向 AI 编程、软件工程和专业知识工作，重点处理更接近真实工作的长任务，包括读懂复杂需求、消化大量上下文、调用工具、排查问题，最后交出可以运行和检查的成果。除了代码任务，它在金融等专业知识场景也有重点投入。
模型采用稀疏 MoE 架构，总参数量为 600B，每个 Token 激活 27B 参数。简单理解，它具备 600B 参数的容量，但在处理每个 Token 时只调用其中一部分，以此兼顾模型能力运行效率。官方把这个方向称为新一代智能效率的「帕累托前沿
在 Artificial Analysis Intelligence Index v4.3 中，Step 5 Preview 得分 44，已经进入前沿模型梯队。
该模型单任务成本仅为同等智能水平模型 GLM-5.3 和 Kimi K3 的 35%，Claude Opus 5 12.5%.
Step 5 Preview 还支持 1M Token 上下文和视觉输入。1M 上下文让它可以一次读进很长的需求、代码和资料，视觉输入则让它能理解截图、设计稿和图表。放到开发场景里，这两项能力指向同一个目标：减少人在任务中途反复补充背景和拆解步骤的次数。
上面这些指标是不是一个好看的数字，今天就让我们来实际测试一下这个模型的表现。
怎么测试
我们的测试都在 workbuddy 里面测试，在实际执行任务的时候选择不同的模型。
这里有一个例外就是 测试 gpt5.6 sol 这个模型的时候，选择在 Codex 中来执行
每个模型使用独立会话和独立目录。测试前统一工具、Skills、依赖安装权限与运行上限，无法完全一致的配置，会在结果中单独说明。
单缸四冲程汽油发动机的剖面动画
第一个测试项目是单缸四冲程汽油发动机的剖面动画。这类动画主要考验机械联动。活塞、连杆和曲轴要按照同一个曲轴角度运动，连杆长度始终不变；气门开合、火花塞点火和缸内颜色变化，也要与当前冲程一致。
这里使用简化后的教学模型。发动机依次经历进气、压缩、做功和排气，一个完整循环中曲轴旋转两周。真实发动机中的提前点火和气门重叠不在测试范围内，这里只检查四个冲程的基本联动。
我给模型提示词如下。
用 HTML、CSS、JavaScript 和 SVG 制作四冲程发动机交互动画。活塞、连杆和曲轴连续联动，气门、点火和文字说明同步。支持暂停、调速、拖动角度、切换冲程和重置，交付可直接打开的网页及操作说明。
最后网页检查的时候，我不仅需要看动画能不能播放，还可以暂停，检查连杆接头有没有脱开、做功时气门是否关闭，
还可以把角度拖到 90°、270°、450°和 630°。检查这四个位置都在行程中段，气门和活塞的状态是否对不对。
Step 5 Preview
GLM-5.3
DeepSeek-V4.1-Flash
结果如下。
这个测试题三款是一次性完成，中间即便有错误都是自己测试并修复，但成品的差距还是比较很明显。GLM-5.3 把机械结构画得最细，曲轴、连杆、气门和火花塞的位置一眼能看懂。DeepSeek-V4.1-Flash 的面板最紧凑，曲轴角、凸轮轴角、缸内容积都收在右侧。
Step 5 Preview 更像一份已经排好版的教学课件。我把它停在 665°，画面显示排气门开启、进气门关闭、活塞上行，右侧还列出了气门升程和本行程角度。还有就是 这个底部还有一点 没有显示出来，虽然不影响理解，看起来不太完整，另外还有一个就是 我的提示词 明确要求需要交付操作说明，只有 Step 5 Preview 把这个显示到了当前页面
Step 5 Preview 用时 10 分 39 秒，只比这题最快的 DeepSeek-V4.1-Flash 多 4 秒。
三维抓娃娃机
第二测试是三维抓娃娃机。我们不提供任何素材，抓娃娃的机器、玻璃、灯带、爪子和玩偶全靠模型自己用代码搭，没有使用外部模型素材。
这题看着像在比画面，实际更容易翻车的是玩法。爪子要能移动、下落、合拢、抬升、运到取奖口再松开。中间只要一个状态没接好，就会出现抓空也加分、连续点击重复扣币，或者玩偶还在半路分数先涨了。
我给三款模型的提示词如下，提示词还是写的很简单，这个就更加考验模型的细节把握。
制作可操作的三维抓娃娃机。初始 3 枚代币，支持键盘和触屏控制。抓取根据爪子与玩偶的实际位置判断，展示完整抓取过程，抓空不能计分，抓取中不能重复扣币。提供固定测试布局、重新开始和旋转视角功能。
DeepSeek-V4.1-Flash
GPT-5.6 Sol
Step 5 Preview
DeepSeek-V4.1-Flash 用了浅蓝玻璃柜体和高位斜视角，空间关系很清楚，整体偏干净的几何风。GPT-5.6 Sol 走霓虹街机路线，第一眼最抓人，玩偶则更接近图标化的小球造型。Step 5 Preview 做成了粉色实体机台，顶棚、玻璃柜体和取奖口都在。
GPT-5.6 Sol 的配色，确实亮眼。Step 5 Preview 胜在完整，画面里能同时看到操作说明、代币、得分、当前状态和抓取日志。
GPT-5.6 Sol 最快，用了 16 分 38 秒。Step 5 Preview 用了 39 分 19 秒，速度排在中间。
三款抓娃娃机都都通过了我们的测试，功能都比较完成，在抓取过程中有一个不同的点，就是 DeepSeek-V4.1-Flash 和 GPT-5.6 Sol 在移动抓取的时候，底部会显示圆圈，可以很清楚的看到是否能抓取到娃娃，Step 5 Preview 只有在按下空格，机器开始抓娃娃的时候，才能底部看到一个圆圈，增加了抓取难度。
Step 5 Preview 这套最方便复核。抓中以后，分数会增加，我把爪子移到空白处再抓，右侧日志依次出现「投币成功」「到达底部，开始收爪」「判定结果，抓空，不计分」「空抓结束，爪子归位」。
写在最后
这两个测试里，所有参测模型都在首轮通过了验收。单看任务能不能完成，几款模型没有拉开明显差距，区别更多体现在最后交出来的成品上。
做发动机动画时，Step 5 Preview 把运动、状态和讲解放在了同一个页面；做抓娃娃机时，它又把操作说明、代币、得分、运行状态和抓取日志都补齐了。这些内容不影响程序能不能运行，却会影响拿到成品以后，是否容易理解、演示和检查。
Step 5 Preview 的速度不是最快的，视觉效果也没有全面领先。它给我留下印象最深的，是两次交付都比较完整，提示词里提到的要求基本能在成品中找到，不需要我再追着补充。它没有靠某个特别突出的单项赢下测试，但交到我手里的时候，已经比较像一个做完的产品了。
整个体验下来，我觉得 Step 5 Preview 完全配得上它在 AA 上的得分。国产第二、全球开源前三，与 GLM-5.3、K3 跻身新一线模型。
来源：互联网
