600B 稀疏 MoE、27B 激活、1M 上下文：Step 5 Preview 为 AI 编程与金融场景而生

摘要：

Step 5 Preview 采用稀疏 MoE 架构，总参数 6000 亿而每 Token 只激活约 270 亿，上下文 1M、最高输出 64K。这套规格的落点很具体：AI 编程要整库读入才看得出改动与依赖是否冲突，金融场景要读全招股书与财报原文才不丢掉限定条件。

一、参数不等于体验：选模型时该看哪几个数字

大模型参数发布会把一串数字推上首页，但这些数字与实际使用体验之间，隔着一段需要翻译的距离。总参数 6000 亿听着很大，这个数字真正决定的是模型的“知识容量”——它能容纳多少模式、多少领域的结构。真正决定响应快慢和调用成本的，是另一个数字：每生成一个 Token 时，有多少参数被激活。

把这两个数字分开看，才能理解为什么“总参数很大”和“用起来不慢”可以同时成立。

大模型架构里有两条路线：一条是稠密路线，每个 Token 生成时全部参数都参与计算；另一条是 MoE 混合专家路线，把参数总量做大、每次只激活其中一部分。阶跃星辰的 Step 5 Preview 走的是后一条：稀疏 MoE 架构，总参数 6000 亿（600B），每 Token 激活约 270 亿（27B），上下文 1M，原生支持文本与视觉输入，输出最高 64K。作为新一代旗舰基座模型，它的优化方向指向 AI 编程、软件工程、专业知识工作及金融等复杂任务。

这个定位听起来笼统，能不能兑现要看参数各自落在哪一环。下面几节按“哪个数字管什么”拆开，再落回具体场景。

二、600B 总参、27B 激活：稀疏架构换来了什么

推理成本可控。 6000 亿参数全部参与每个 Token 的计算，代价是巨大的显存占用和响应延迟。稀疏 MoE 通过“总量铺开、单次调用一部分”的方式，把单次推理的计算量压到与激活规模同量级。使用者不必为用不到的那 5730 亿参数买单。

容量与速度解耦。 稠密结构下，模型容量和推理开销是绑在一起的——想让它记住更多东西，推理就必然变慢。稀疏激活把这两件事拆开了：容量靠总量扩展，日常任务的调用成本靠激活规模控制。对于上下文开到 1M 的长任务，每轮多出来的 Token 数量本身就很可观，单次激活规模直接决定这类任务跑不跑得动。

复杂任务的稳定性。 激活的是被专门路由过的参数子网，而不是全量参数的均摊输出。涉及多步推理、工具调用、长链条规划的任务，对每一步的选择质量更敏感——Step 5 Preview 面向 AI 编程、软件工程等复杂任务做的优化，落点就在这里。

参数规格划出的是能力边界，不等于任何任务都能拿到同样的表现。任务类型与模型优化方向是否匹配，仍然是更直接的判断依据。

三、1M 上下文：代码库和长文档一次读完

上下文窗口决定了模型一次能“看到”多少内容。1M 这个量级真正的价值，要在“材料本来就超长”的场景里才谈得上。

对编程场景来说，这个数字的落点很具体：一个中等规模项目的代码库往往分散在几十上百个文件里。如果每次只能读进其中一小块，模型对项目整体结构的理解就会被切碎——它改得了单个函数，却看不出这次改动和另一处依赖之间是否冲突，也不知道项目里是不是已经有了一个现成的工具函数可以复用，而是照着你的描述又写了一遍。上下文放宽到 1M，整个代码库才有机会在一轮里被完整读入，跨文件的关联、命名约定、重复实现都能被一并看到。对开发来说，这直接决定了一次改动是一次收口，还是要留下来接着收拾。

金融与专业知识工作的情况类似，而且对“读全”的要求更硬。一份完整的招股说明书、一叠季度财报、一套行业规范文件，单份往往就在几十万 Token 的量级。切碎了读，模型拿到的是摘要而不是原文，而金融分析恰恰依赖原文里的具体数字、附注口径和限定条件——这些内容一旦被转述就容易失真。一处限定条件的偏差，可能就足以让结论反向。

原生视觉输入在这里补上了另一半。财报里的图表、扫描件里的表格、附注中的签字页，这些都是文字通道处理不了的材料：原图进上下文，模型看到的是走势和版式本身，而不是别人替你转述的三句话。核查中间环节时，这个差别尤其明显。

1M 上下文的意义在于，不用为了塞进窗口而牺牲信息完整性。

是否真的需要开满，取决于任务输入的长度。长上下文是容量上限，不是默认档位；材料本身撑不满窗口时，把参数调到上限也只是徒增单轮时长与开销。

四、原生多模态与 64K 输出：材料不必转手，交付不必截断

原生支持文本与视觉输入，影响的不只是“能不能上传图片”。

很多真实工作里的原始材料本身是混合形态的：一份需求文档里配着界面截图，一份分析报告的原始数据是图表，一份合同的关键条款以扫描件形式存在。以往的做法是先做一次格式转换——把图片转成文字描述、把图表转成数字表格——再交给模型。这道中间工序会引入两重损耗：转换过程可能丢信息，转换后的文本也失去了与原图的位置对应关系。

原生多模态输入让材料可以以原样进入上下文。在 WorkBuddy 里，标注“支持图片输入”的模型可以直接接收截图、设计稿等作为上下文；对需要看清图表走势、界面布局的判断，原图比文字转述多了一层依据。Step 5 Preview 支持图片输入，也支持思考模式，推理模型的思考过程可以在对话框中展开查看完整思考链——对于金融测算、软件工程这类需要检查中间环节的任务，这种可见性比一句结论更有价值。

输出端的规格同样有针对性。它的最高输出长度是 64K，这在实践中的差别很直接：一份完整的行业分析或研究报告，写到中途往往还没铺开就要截断了；截断之后你拿到的不是一份报告，而是一个必须靠猜测补齐结尾的半成品。64K 的上限让这类交付物能在同一轮里写完，不必先出一半再回来续。

五、能力处在什么水平：可核对的三项数据

参数规格说的是能力边界，边界之内够不够用，还得看实际水平。不靠形容词，只看能核对的数据。

• Artificial Analysis 综合智能指数 44 分，位居全球开源模型前三。
• 2026 年 10 月 10 日在 OpenRouter 平台登顶 Trending 榜，并位列当日用量榜全球第二。
• 官方计划于 2026 年 10 月 15 日开源完整权重。

开源权重这一项对开发者的含义与普通用户不同：权重开放之后，可以自行部署、可以微调、可以在私有环境中使用。计划开源与已经能用是两件事，这里记录的是官方公布的计划。

这三项数据回答的是“能力处在什么水平”，而不是“某个具体任务一定做得好不好”。榜单分数是对综合能力的度量，落到具体任务上，还得看任务的类型是否落在模型的优化方向内。

六、参数落到任务上：四类场景各自吃到了什么

把前面的参数逐条对应回任务，会更直观。

软件工程与 AI 编程常被合在一起，但落点略有差别：AI 编程更看重从需求到代码的生成链路，软件工程还要处理既有代码库的约束、兼容性与回归风险，后者对模型读全项目结构的要求更严。

专业知识工作与金融场景则共同依赖同一件事——原文的完整性。招股书、财报、合同里的限定条件和附注往往藏在长文本深处，一旦被压缩成摘要，结论的可信度就会打折；一份研究报告能不能一次写完，也取决于输出端留了多少余量。前者管读全，后者管写完，缺一环交付物就得靠人补。

七、在 WorkBuddy 里怎么用起来

参数说明的是能力边界，能不能兑现要看具体怎么用。Step 5 Preview 目前内置在 WorkBuddy 的 16 个模型里，切换入口有两个：对话框右上角的「模型选择」下拉菜单，或「设置」→「模型」。

限免安排也已经写进了模型详情页：10 月 12 日至 10 月 25 日期间调用不消耗积分，两周之后恢复按 0.43x 计费。窗口期内不必拿小材料试水，直接上手一件长链路的活儿，才能看出这套规格在规划与纠错上的表现。

上下文则建议按需开启。默认 200K 适用于绝大多数任务，只有处理超长文档或需要完整记忆大量历史内容时才值得调到 1M；开满不会让模型变聪明，只会让每轮积分消耗成倍增加，10 月 25 日之后尤其要注意这一点。

如果团队是企业版，还有一项同期在跑的积分活动：2026 年 7 月 1 日至 12 月 31 日，企业旗舰版与企业专享版客户新购、续费或扩容，可在版本已含的基础积分之外，按每账号每月 2,000 Credits 的标准额外加赠同等额度，即每月实得积分翻倍；赠送积分自到账日起 1 个月有效。团队要把 Step 5 Preview 铺开用，这笔加赠可以一并算进预算。

写在最后

参数决定的是能力上限，任务类型决定了这个上限能不能落到具体产出上。6000 亿总参配 270 亿激活、1M 上下文加最高 64K 输出，这套规格的价值要在长链条、多材料、需要反复核查的任务里才体现得出来——短任务上，几个模型的差别往往没有那么大。

与其逐个模型横向试过去，不如挑一件手头真实的复杂任务，用它检验能否跑通全程。团队采购或个人订阅方案，可从 WorkBuddy 官方活动页 了解整体权益与套餐详情。