メインコンテンツへスキップ
見出し画像

【LLM】Step 5 Preview:600B疎MoEが切り開く「実世界エージェント」の量産時代【4じゃないんかい】

    一旦、数え忘れたのか自分を疑いました。
    3.7からのジャンプアップ。

    むっちゃ性能が伸びててKimiK3クラスになっているそうな。
    このサイズ感でKimiK3の性能はやばいなぁ。

    10月15日にオープンウェイトするらしいので、それまでは様子見の立ち位置です。


    はじめに:なぜ「Step 4」を飛ばして「5」なのか?

    2026年9月、中国のAIスタートアップ StepFun(階躍星辰) が新世代フラグシップモデル 「Step 5 Preview」 を発表しました。

    画像

    従来の「Step-3.7-Flash」からバージョン4をスキップしてのナンバリングは、性能とアーキテクチャにおける明確な「世代の段差」を意味しています。

    本モデルの最大の焦点は、「計算量を単純に増やすスケーリング」から「計算量をいかに知能へ変換するか(効率のスケーリング)」への転換。

    画像

    総パラメータ数 600B という超巨大モデルでありながら、疎(Sparse)MoE構造により トークンあたりの活性化パラメータをわずか27B(約4.5%) に抑制。

    超大型モデルの知能を持ちながら、27Bクラスの軽量さ・速度で推論を回せるという、パレート前線を大きく押し広げる設計に。


    1. 30秒で掴むコアスペック

    画像
    • アーキテクチャ: スパースMoE(総計 600B / 活性化 27B per token)

    • 文脈窓(Context): 1Mトークン(画像ネイティブ入力対応、出力はテキスト)

    • 推論能力: Extended Thinking(思考プロセス展開)対応

    • ベンチマーク: Artificial Analysis Intelligence Index 44(全200モデル中24位、オープンソース上位3位級)

    • 価格(API): 入力 $1.00 / 1M、出力 $2.70 / 1M(キャッシュ割引最大95%)

    • 推論速度: 99.8 tok/s、TTFT(初回トークン時間)2.96秒

    • 提供形態: API即日提供開始。2026年10月15日にBF16のオープンウェイト(重み公開)を予定


    2. 構造の核心:「600Bを27Bで動かす」意味

    一般的なDense(密)モデルで600Bを動かすには膨大なクラスタとメモリが必要ですが、Step 5 PreviewはスパースMixture-of-Experts(MoE)を採用。

    画像
    [入力トークン] ───▶ [ Router(ゲート) ]
                              │
              ┌───────────────┼───────────────┐
              ▼               ▼               ▼
          [Expert A]      [Expert D]      [他は待機]
           (起動 ON)       (起動 ON)      (非活性 OFF)
              └───────┬───────┘
                      ▼
                  [出力生成]
       ※全体600Bのうち、同時に動くのは約27B(4.5%)
    • 巨大な知識の器(600B): 専門的な知識保持量を圧倒的に確保。

    • 実用的な足回り(27B): 単一ノード・多GPUでの自社ホスティングが現実的な範囲に収まる。

    • 10/15のオープン化との相乗効果: 27B活性化だからこそ、一般の開発企業が「重みをダウンロードして自前運用する」選択肢が現実味を帯びます。


    3. ベンチマーク評価:公式発表と第三者計測の切り分け

    モデルの採否を判断する際は、「自社発表(ベスト条件)」と「独立計測(Artificial Analysis等)」を切り分けて見ることが不可欠。

    画像

    ① 公式発表値(強みが顕著な領域)

    • GPQA Diamond: 93.5%(最上位帯)

    • Terminal-Bench v2.1: 85.0%

    • BrowseComp(エージェント検索力): 88.7%

    • MMMU-Pro(視覚推論): 76.0%

    • DeepSWE v1.1(ソフトウェア工学): 67.7%

    • ALE-CLI / DRACO: GPT-6 Astra や Claude Opus 5 に次ぐ2位を記録

    画像

    ② 独立計測(Artificial Analysis v4.3.2)

    • Intelligence Index: 44(中央値24の中、Kimi K3と同点、GLM-5.3と1点差)

    • Terminal-Bench 4.0: 33.3%(DeepSeek V4.1 Flashの26.8%やKimi K3の約12.6%を大きく上回る実力)

    • GDPval-AA v2 (Elo): 1571(実務エージェント業務の総合力)

    画像

    ⚠️ 注意
    Terminal-Benchのバージョン(v2.1の85%とv4.0の33.3%)の混同に注意してください。実務評価ではv4.0系などの厳格なハーネスを参照する必要があります。


    4. なぜ「金融・企業調査」に強いのか?

    StepFunが特にチューニングを施したのが金融・リサーチ領域。単に数字を答えるだけでなく、「監査可能性」が求められるタスクにフォーカス。

    画像
    1. FinStepBench-LiveSearch(74.5%): 変動する市場・財務情報を検索・照合し、期間や会計定義のズレを調整する能力。

    2. CorporateValuation(60.6%): 財務データと前提条件から、内部整合性のあるDCF等の予測モデルを組み立てる能力。

    3. DeepResearch(55.8%): 証拠収集から構造化レポート作成までを長周期で遂行する能力。

    画像

    「報告された事実」と「モデルが置いた仮定」を明確に分離し、計算式の根拠を追跡できる出力特性を持っています。


    5. コストパフォーマンスのリアル:「タスク単価」で見る

    StepFunは「Claude Opus 5の1/8のコスト」を謳っていますが、内訳を冷静に読み解く必要があります。

    画像

    項目 | Step 5 Preview | 市場中央値帯 | 備考
    入力単価 / 1M | $1.00 | $1.88 | 非常に安価
    出力単価 / 1M | $2.70 | $10.00 | 競合比で圧倒的に安い
    出力速度 | 99.8 tok/s | 70.3 tok/s | エージェントの待機時間を削減
    冗長さ| 160M | 92M | ⚠️ かなり饒舌(中央値の約1.7倍)
    AA Index 1タスク単価 | $0.71 | — | 単価の安さと消費量の積

    画像

    単価は非常に安いものの、推論を含めトークンを多く消費する傾向(冗長性)があります。プロンプト側で「思考の深さ」や「出力トークン上限」を制御しないと、見かけの単価の安さが相殺される点に留意が必要。

    画像

    6. 実務導入における「4つの注意点(落とし穴)」

    画像
    1. 冗長税(トークン過多)
      Index総コスト(約$922)の半分が出力トークン課金に起因します。システムプロンプトによる要約指示やトークンバジェットの制約が必須です。

    2. 文脈制限の不一致(1M vs 350k/64k説)
      公式仕様は1M contextですが、一部の開発環境やツール側で「入力350k / 出力上限64k」の制限が報告されています。超長周期エージェントを組む場合は上限の事前検証が必要です。

    3. プレビュー期間の可用性(キャパシティ)
      リリース直後のため、利用集中による遅延やエラーが発生しやすい状態です。本番環境に組み込む場合は、フォールバック(代替モデル)を備えたルーター構成を推奨します。

    4. 1/8コスト主張の前提
      自社ワークロードにおけるタスクの難易度分布や、Extended Thinkingの消費量によって実際の費用対効果は変動します。

    画像

    7. 開発・運用のロードマップ

    【現フェーズ】(2026年9月〜)
      ・StepFun 公式APIによる即日検証
      ・自社タスク(コーディング、金融リサーチ、エージェントループ)での精度・トークン消費計測
      ・ルーター+リトライ設計による可用性担保
           │
           ▼
    【第2フェーズ】(2026年10月15日予定)
      ・BF16 オープンウェイトの公開
      ・LICENSE条件(商用利用規約)、configファイル(600B/27Bの裏付け)の確認
      ・vLLM / SGLang 等を利用した自社GPUノードでのホスティング移行検討
    画像
    画像
    画像

    最小API呼び出しイメージ(OpenAI互換想定)

    curl https://api.stepfun.com/v1/chat/completions \
      -H "Authorization: Bearer $STEPFUN_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "model": "step-5-preview",
        "messages": [
          {
            "role": "user",
            "content": "過去3期分の財務データからバリュエーションの前提条件を抽出してください。出典、仮定、計算式を明確に分離すること。"
          }
        ],
        "max_tokens": 16000
      }'

    まとめ

    取り敢えずはオープンウェイトになるまで待ちかな。
    Hy3の時みたいに、プレビュー取れたらむっちゃ進化していたら良いのに。

    Step 5 Preview はむっちゃ高い知能を、27B並みの身軽さと低コストで手に入れるための有力な選択肢として期待大。

    特に、長時間ツールを自律実行させるコーディングエージェントや、根拠の追跡が求められる財務・企業分析タスクにおいて真価を発揮。

    まずはAPI経由で自社ワークロードに対するコスト/タスク比を計測し、10月15日の重み公開を機に、自社ホスティングへの切り替えを含めた本格採用を検討するのが筋の良いアプローチらしいですー。

    出典(2026-09-20時点)

    • StepFun公式 — Step 5 Preview 製品ページ(600B/27B・1M・金融3ベンチ・10/15公開・API即日)。https://www.stepfun.com/step-5-preview

    • Artificial Analysis — Step 5 Preview Intelligence, Performance & Price(Index 44・99.8tok/s・$1.00/$2.70・160M・$922.84・1M)。https://artificialanalysis.ai/models/step-5 および providers ページ

    • OrcaRouter Blog 2026-09-20 — what StepFun's 600B flagship really ships(HF空・350k/64k矛盾・$0.71/taskの内訳・router推奨)

    • Cocoloop 2026-09-20 — StepFun Launches Step 5 Preview(GPQA 93.5 / TB 85.0 / BrowseComp 88.7 / MMMU-Pro 76.0・27B足回り論)

    • AIBase / 雷峰网 / xix.ai 2026-09-20 — 発表報道(OSS上位3・Opus 5比1/8・StepCodeBench 553/9/33・MLA 508TFLOPS)

    • EasternHerald 2026-09-20 — China's 600B at $1/M(創業・資金・$100億評価・市場含意)

    数値は発表+独立計測の合成。評価 harness・温度・版(v2.1/v4.0等)で変動するので注意です。運用前には自ワークロードでの較正・再現を必ず行うことを推奨してますー。

    10/15以降はLICENSE・config・出力上限・価格の変更をチェックですね。

    あなたへのおすすめ