ステップは今日、新世代のエースベースモデル「Step5Preview」をフルリリースしました。その定位は明確です—リアルワールドでのAgenticタスクに特化した主力モデルです。このモデルが解決しようとしているのはAIモデルの古典的な「パレート問題」です：能力、効率、コストという3つの目標が互いに牽制し合うことで、歴史的に一つの次元で前進しようとすると他の次元を犠牲にしなければなりません。しかしパレートフロンティアを進めるとは、取捨を無くすのではなく、新しい設計によって全体の境界を広げることです。

今回の推進方法はスパースMoE構造です。Step5Previewの総パラメータ数は600Bですが、一度にアクティブになるのは27Bであり、ネイティブに100万トークンのコンテキストウィンドウをサポートし、テキストと視覚の両方の入力を直接処理できます。Artificial AnalysisのIntelligence Indexでは44点を獲得し、世界のオープンソースモデル上位3位にランクインしています。さらに驚くべきことに、単一タスクのコストはClaude Opus5の1/8しかない—同じ予算でより強力な知能を得るか、同等の知能をより低い価格で実現するか、どちらも可能にしています。Agents' Last ExamのCLIサブセットALE-CLI、金融投資研究評価FrontierFinance、そして横断的深層研究評価DRACOにおいて、GPT-6AstraやClaude Opus5に次いで他すべての参加オープンソースモデルを置き去りにしています。GDPval-AA v2では9月19日までの最新結果が採用されており、DeepSWE v1.1はSWE-agent harnessでtemperature=1.0、top_p=0.95で評価されています。

image.png

プログラミングに関しては、ステップは独自のStepCodeBenchを開発し、553の独立したコードリポジトリ、9種類のタスク、20の応用分野、33種類のプログラミング言語をカバーしています。Step5Previewは全体の成功率とシナリオ間の安定性において立証しており、バグ修正、機能開発、リファクタリング、環境設定などの現実的な作業にも対応できます。あるデモでは、ESP32デバイスの大量の開発ドキュメントを読み込み、ESP32-S3開発ボードをBluetoothボタンと音声入力に対応するVibe Codingキーボードに変換しました。その過程でCOMシリアルポートを開き、カメラを調整し、デバイス画像をキャプチャし、マウスをシミュレートし、実際のエラーに基づいて継続的にコードを修正してデバッグを実行し、3時間以上にわたって作業を行いました。

長期間のタスクでは真の実力を発揮します。第一の実験では24時間と1台のH100を与え、MLA GPUカーネルをゼロから最適化させました（頭の次元は512、バッチサイズ1、64個のアテンションヘッド、8192トークン）。Step5Previewは自らコードを修正し、カーネルを実行し、スループットを測定し、動作可能だが速度が低下する手法は放棄し、最良バージョンから再び爬行します。約22時間後にはピーク性能を508TFLOPSまで引き上げ、Claude Opus5の493TFLOPSを下回りました。第二の実験でも同様に24時間与えられ、Qwen3-30B-A3BベースモデルのAIME24でのパフォーマンスを自動後訓練により向上させました。モデルは自分でどのように注釈APIを使うか、データをどのように調整するかを決定し、最終的に正確率を53.3%から60%まで引き上げ、Opus5と同等ながら注釈トークンを節約しました。

フロントエンドとビジュアル面では、このモデルはウェブページを書くだけでなく、Blenderを使って3Dアセットを作成し繰り返し修正し、Three.jsに接続してインタラクティブなアプリケーションやゲームを作成できます。また、1922年の『広九鉄路旅行案内』から情報を抽出し、旅程検索、費用計算、ルート再生を実装し、当時の線路に沿って小火车を走らせ、史料をインタラクティブな製品に変換することも可能です。

金融は総合的な能力の試金石として扱われます。ステップは企業研究という高難度プロセスを中心に、3つの内部評価を構築しました。FinStepBench-LiveSearchは要件に応じて金融情報の検索と検証を評価し、CorporateValuationはデータと仮定を再現可能な評価に変換し、DeepResearchは証拠収集から完全な報告書に至るまでの全工程を評価します。外部基準であるFrontierFinanceは220の専門家の質問と11543の評価基準を用いて6つの投資シーンをカバーしています。これらの4つの評価でStep5Previewはすべて強力な結果を出しています。