5단계는 StepFun이 개발한 대규모 언어 모델로, 2026년에 프리뷰 변형으로 처음 출시되었다. 이 모델은 StepFun의 Step 시리즈의 일부로, Step 3.5와 같은 이전 모델들을 계승한다. Step 5는 다중 모드 및 에이전트 작업을 위해 설계되었으며, 중국어 능력과 웹 개발 기능에 중점을 둔다. 2026년 10월 기준으로 Step 5 Preview는 LMArena 및 LiveBench를 포함한 공개 벤치마크 리더보드에 등장하며, 다양한 범주에서 경쟁력 있는 성능을 보여준다.
이 모델은 독점 라이선스로 배포되며, 일부 벤치마크에서 Preview 변형의 라이선스 상태는 보류 중이다. StepFun은 전체 아키텍처나 훈련 세부 사항을 공개적으로 밝히지 않았지만, 이 모델은 현대 생성형 AI 시스템에 공통적인 트랜스포머 아키텍처를 기반으로 하는 것으로 추정된다. Step 5의 개발은 딥러닝 및 신경망 기술을 적용하여 추론, 비전, 코드 생성을 개선하는 인공지능 연구의 광범위한 추세와 일치한다.
벤치마크 성능
Step 5 Preview는 여러 공개 리더보드에서 평가되었다. benchlm 전체 리더보드에서는 2026년 10월 12일 스냅샷 기준으로 70.25점을 기록하며 17위를 차지한다. LMArena 비전 영어 범주에서는 1294.41점으로 20위를 기록한다. 이 모델은 LMArena 텍스트 중국어 범주에도 등장하며 1519.43점으로 31위를 차지하여, 중국어 작업에서 강력한 성능을 나타낸다.
에이전트 벤치마크에서 Step 5 Preview는 LMArena의 에이전트 리더보드에서 전체 33위를 차지하지만, 점수는 보고되지 않는다. 웹 개발 작업의 경우, 높은 변형(step-5-preview-high)은 이미지-투-웹데브에서 30위, 웹데브-리액트에서 34위, 전체 웹데브에서 35위를 차지하며 각각 1541.17, 1578.41, 1563.52점을 기록한다. 이러한 결과는 Step 5가 시각적 입력에서 웹 인터페이스를 생성하고 편집하는 데 특히 능숙함을 시사한다.
변형 및 라이선스
StepFun은 Step 5를 최소 두 가지 변형으로 출시했다: 표준 Step 5 Preview와 고노력 변형(step-5-preview-high)이다. 고노력 변형은 웹 개발 벤치마크에만 등장하며, 표준 변형보다 더 높은 순위를 달성한다. 모든 변형은 독점적이며, 오픈소스 출시는 발표되지 않았다. Preview 변형의 라이선스는 benchlm에서 "보류 중"으로, LMArena에서는 "독점"으로 표시된다. 이러한 라이선스 접근 방식은 상업용 AI 연구소에서 흔히 볼 수 있으며, 전체 출시 전에 피드백을 수집하기 위해 제한된 프리뷰를 제공하는 경우가 많다.
기술적 배경
Step 5의 구체적인 기술적 세부 사항은 공개적으로 문서화되지 않았지만, 다른 최첨단 모델에서 볼 수 있는 멀티 헤드 어텐션 및 위치 인코딩 메커니즘의 발전을 기반으로 할 가능성이 높다. 중국어 텍스트에서의 강력한 성능은 광범위한 중국어 말뭉치에 대한 훈련을 시사하며, 인간 선호도에 맞추기 위해 커리큘럼 학습 및 RLHF와 같은 기술을 활용할 가능성이 있다. 웹 개발 기능은 이미지와 텍스트 양식 간의 크로스 어텐션을 사용하여 비전과 코드 생성을 통합함을 암시한다.
Step 5의 개발은 OpenAI, Anthropic, Google DeepMind와 같은 회사들도 고급 모델을 출시하는 경쟁적인 AI 환경을 반영한다. 비교적 신생 기업인 StepFun은 리더보드 순위에서 입증된 바와 같이 중국어 및 다중 모드 작업에 초점을 맞춰 틈새 시장을 개척했다.
시사점 및 향후 방향
공개 벤치마크에서의 Step 5 성능은 StepFun이 AI 분야에서 진지한 경쟁자임을 나타낸다. 웹 개발 작업에서의 높은 순위는 자동화된 프런트엔드 설계 및 프로토타이핑에서의 잠재적 응용을 시사한다. 그러나 독점적 성격과 상세한 기술 공개 부족은 독립적 검증을 제한한다. 최신 스냅샷 기준으로 Step 5는 Amazon Web Services나 Azure와 같은 주요 클라우드 플랫폼에 통합되지 않았지만, 향후 가용성은 확장될 수 있다.
이 모델의 성공은 특히 다국어 및 다중 모드 시스템에서 머신 러닝의 미래 발전에 영향을 미칠 수 있다. 연구자들은 유사한 작업에서 효율성과 정확성을 개선하기 위해 그 접근 방식을 연구할 수 있다. 현재로서는 Step 5는 일반 목적 벤치마크보다 특정 도메인에서 뛰어난 전문 AI 모델의 주목할 만한 예로 남아 있다.