600B 模型人人跑不起Step 5 Preview 的 API 成本实测账本【免费下载链接】Step-5-PreviewStep 5 Preview 是阶跃星辰面向智能体工作打造的旗舰模型。该模型在软件工程和专业知识工作领域均展现出前沿级性能尤其在金融领域表现突出。 Step 5 Preview 是一个稀疏混合专家MoE模型总参数量为 600B激活参数量为 27B。它支持高达 100 万 token 的上下文长度并可接收文本、图像和视频输入能够在复杂任务中实现持续推理与工具调用。项目地址: https://ai.gitcode.com/StepFun/Step-5-Preview600B 总参数、100 万 Token 上下文、全球开源前三——Step 5 Preview 发布时贴的每一个标签都像在劝退预算有限的开发者这种体量的模型是不是只有大厂才养得起答案藏在它的架构里。Step 5 Preview 是一个稀疏 MoEMixture of Experts模型600B 总参数中每个 Token 只激活 27B官方在 config.json 里写得很直白352 个路由专家、top-8 激活、92 层解码器。这套设计换来的直接结果是官方定价输入 1 美元/百万 Token、输出 2.7 美元/百万 Token——比多数同级旗舰便宜一个数量级。社区实测里一个完整的 3D 小游戏从零做到可交付跑掉约 1700 万 Token账单只有 12 元人民币。这篇文章不做跑分复读只算账Step 5 Preview 的 API 到底怎么计费、不同任务档位实际烧多少 Token、和 Claude Opus 5 / GLM-5.3 / Kimi K3 这类同级对手比贵还是便宜以及把它接入日常 Agent 工作流的最低预算方案。先看价签官方计费结构一页看懂Step 5 Preview 在 StepFun 开放平台上的计价以百万 Token 为单位官方文档给出的价格如下计费项单价美元/百万 Token输入cache miss含写入缓存1.00输入cache hit命中缓存0.10输出含推理过程与最终答案2.70三个细节值得注意。第一输出计价包含思维链。Step 5 Preview 是推理型模型官方文档明确说明 output tokens 包括模型推理过程reasoning和最终答案。也就是说你在reasoning_efforthigh下让它多想一会儿那部分思考 token 也是按 2.7 美元计价。这直接改变了成本估算方式——不能只按回答长度预估要按思考 回答的总量预估。第二缓存命中价格只有 miss 的十分之一。Step 5 Preview 支持 prompt caching同样一段系统提示词 工具描述 项目背景第一次送进去按 1 美元计价之后命中缓存只需 0.1 美元。对于多轮 Agent 任务——同一份代码库背景反复出现在每一轮工具调用中——这是成本账上最大的一块节省空间。第三同门还有一档便宜的轻量档。官方定价页同时给出了 step-3.7-flash输入 0.2 美元、输出 1.15 美元、缓存命中 0.04 美元。这为下面要说的路由分层提供了官方级素材。多档任务的实际 Token 消耗统计光看价签不够关键是真实任务吃多少 Token。把社区在 WorkBuddy 里对 Step 5 Preview 的实测拉出来可以按任务复杂度分三档看消耗第一档轻量单轮任务问答、代码片段、格式转换。输入几百到几千 Token输出几百到一两千 Token。按官方价折算单次调用成本在 0.01 美元量级约合人民币几分钱。这类任务几乎不构成成本压力。第二档中型任务单页网页、交互 Demo、结构化报告。社区实测的持仓体检HTML 单页五只股票估值/财务/资金流/技术面分析 图表可视化、Ardot 前端网页设计等任务消耗在数万 Token 量级成本约几角到几元人民币。这类任务中模型要调用多个工具、来回读取工具返回的 JSON输入侧消耗明显放大但总量仍可控。第三档Agent 长任务从零开发完整项目。这是最能拉开差距的一档。在 WorkBuddy 的 3D Minecraft 小游戏实测中Step 5 Preview 从环境检测、任务拆解、写代码、浏览器运行测试、截图检查、实际进入游戏操作到持续修复总耗时 55 分钟消耗约 1700 万 Token账单约 12 元人民币。1700 万 Token 听着吓人但结合模型规格看就合理了100 万 Token 上下文意味着每一轮工具调用都可能把整个项目背景重新放进输入侧而模型在交付前主动完成了多轮写代码—运行—检查—修改—再测试的闭环同样的任务如果交付后才发现 Bug 再人工返工Token 消耗只会更多——社区实测中 DeepSeek V4 Pro 第一次只用了 35 分钟但随后因为人物无法移动等问题增加了约 14 分钟的二次修改总时长反而追平。这组数字说明一个反直觉的结论Agent 任务的 Token 消耗大头不在生成而在反复读取长上下文。这正是 prompt caching 和 27B 激活参数的用武之地。与同级旗舰的价格对比Step 5 Preview 定价 1.0 / 2.7 美元处在什么水平放在 2026 年 9 月的旗舰模型格局里看对 Claude Opus 5官方公布的单任务成本约为其1/8。社区多篇评测引用了同一数据——单任务成本仅为 Claude Opus 5 的 12.5%。对 GLM-5.3、Kimi K3官方口径是单任务成本约为同级智能水平模型的35%。AAArtificial Analysis数据也支持这一判断Step 5 Preview 的每智能指数任务成本约 0.71 美元在 AA 成本维度排名 27/200。对 DeepSeek V4 ProDeepSeek 官网标价更低但社区实测同样任务后结论是实际使用中没有感觉显著便宜——因为 Step 5 Preview 在首次交付前的自测更完整省掉了二次返工的 Token。单纯比单价Step 5 Preview 不是最便宜的模型但比完成一个任务的实际账单它靠两点胜出一是每 Token 激活 27B 参数带来的低推理成本对应 AA 上相近智能水平下任务成本更低的帕累托前沿位置二是自测闭环减少返工同样的交付物总消耗反而更低。这也是官方在 README.md 里反复强调面向 agentic work的原因——长任务场景才是它成本优势真正兑现的地方。低门槛接入 Agent 工作流的预算方案把 Step 5 Preview 接进日常 Agent 工作流预算上可以走四步第一步把缓存命中率做到极致。固定系统提示词、工具 Schema、项目背景描述让它们在多轮对话中保持稳定把输入计费从 1.0 美元档拉回 0.1 美元档。对 Agent 任务这通常能砍掉输入侧 80% 以上的费用。chat_template.jinja 中工具调用的 XML 格式、im_start|角色标记都是固定的天然适合缓存。第二步路由分层旗舰只干旗舰的活。轻量任务简单问答、短代码补全、格式整理路由到 step-3.7-flash0.2 / 1.15 美元只有软件工程、金融分析、长文档处理这类高价值任务才交给 Step 5 Preview。社区评测也验证了这一点Step 5 的优势集中在复杂工程和长链路任务轻量场景性价比反而不如 Flash 档——这与官方把两个模型同时挂在定价页的意图完全一致。第三步抓住免费的窗口期。Step 5 Preview 上线腾讯 WorkBuddy 后2026 年 10 月 12 日至 25 日提供限时免费额度。对于想先验证模型在自家任务集上表现、又不想立刻充值的小团队这是零成本做技术验证的窗口。另外 10 月 15 日权重正式开源后还有一条更极端的路线——本地部署。第四步算清楚自建 vs API的账。开源不等于人人能跑。参考 inference/README.zh.md 的部署矩阵FP8 权重最小配置是单节点 4 张 B300 或 8 张 H200vLLM/SGLangBF16 权重需要 16 张 H200实测加载参数约 74.93 GiB/卡。这套硬件的购置与运维成本对绝大多数团队而言远超 API 账单——社区实测里 55 分钟、1700 万 Token 的完整游戏项目只花 12 元按年化算API 才是真正的低成本选项。自建的价值不在省钱而在数据不出域和吞吐可控。账本结论600B 参数、1M 上下文、推理型输出计价这些标签叠加在一起最容易让人得出贵的结论。但把官方定价、社区实测和仓库部署文档放在同一张表里看结论恰恰相反单次轻量调用几分钱可以忽略单次中型任务几角到几元完整的 Agent 长任务从零交付可运行项目1700 万 Token、约 12 元同样的任务量级Claude Opus 5 要花 8 倍的钱。Step 5 Preview 用 27B 激活参数把推理成本压到了行业中位数的三成以下用 100 万 Token 上下文和自测闭环把返工烧钱这个 Agent 任务最大的成本黑洞堵住。对中小团队来说它真正解决了想用前沿能力、但付不起前沿价格的矛盾——这是从 config.json 里的 352 个专家到 WorkBuddy 实测账单上那 12 元人民币之间一条完整的成本逻辑链。【免费下载链接】Step-5-PreviewStep 5 Preview 是阶跃星辰面向智能体工作打造的旗舰模型。该模型在软件工程和专业知识工作领域均展现出前沿级性能尤其在金融领域表现突出。 Step 5 Preview 是一个稀疏混合专家MoE模型总参数量为 600B激活参数量为 27B。它支持高达 100 万 token 的上下文长度并可接收文本、图像和视频输入能够在复杂任务中实现持续推理与工具调用。项目地址: https://ai.gitcode.com/StepFun/Step-5-Preview创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考