阶跃突袭发布 Step5Preview：实测虽有亮点但泛化与长任务短板明显
葬AI · wechat · 2026-09-22
阶跃星辰在无人预料的情况下发布了 Step5Preview（总参数 600B、激活 27B，支持视觉输入），号称 ArtificialAnalysis 得分上涨 44 分、开源前三，官方宣称单任务成本仅为 Claude Opus 5 的 1/8。作者认为这是超出预期、堪比腾讯混元级别的一次发布。
但实测（用 Claude Code 做 harness）暴露了不少问题：数据可视化和金融分析表现不错——桑基图任务比 GPT-6 拆得更细、重叠更少，金融分析能主动搜索权威信源并交叉验证；但泛化性和 in-context learning 较弱，冷门 bench 表现差，没见过的工具会乱用。@kk 的专项测试发现模型对字数约束类任务的思考异常冗长，思考/输出比常在 1:1 以上，约束越紧产出率越低；长思考叠加长上下文还容易中断。
其他实测：Godot 买量小游戏编程没问题但策划与美术资产能力欠缺，不会主动找开源素材、空间逻辑出错；前端 MV 的短板同样在审美与资产获取（提示 Three.js/P5.js 参考后有改善）；投行报告分析完成度较高，但复杂多指标图表有量纲处理不当、折线丢失等问题。此外长上下文下版权安全指令可被绕过。作者总结：大模型是残酷的制造业，数据是最后的变量。
所属事件:阶跃星辰突袭发布Step 5 Preview，主打性价比前沿(4 条相关)→
「编程与Agent」频道最新
- Every agent 新功能：从 Slack 直接创建和编辑 Google 表单 — every · 2026-11-12
- Notion MCP Server 支持 CRUD 全流程,可接入 Cursor 与 Claude — modelcontextprotocol · 2026-11-12
- MuniSpot MCP 连接器覆盖 2 万多个美国市政财务数据 — modelcontextprotocol · 2026-11-12
- 2026 年每个工程师都被「晋升」成 Tech Lead:从带人变成带 Agent — rseroter · 2026-11-12
- 「Harness 定义基础设施」：agent 框架与基建正走向垂直整合 — HankYeomans · 2026-11-12
- Every 推出 Slack 内 AI 同事：Slack 里直接合并 PR、处理纠纷 — every · 2026-11-12