第5步是由StepFun开发的大语言模型，于2026年首次以预览变体形式发布。该模型属于StepFun的Step系列，继承了Step 3.5等早期模型。Step 5专为多模态和智能体任务设计，重点在于中文语言能力和网页开发能力。截至2026年10月，Step 5 Preview出现在包括LMArena和LiveBench在内的公开基准排行榜上，并在各类任务中展现出具有竞争力的性能。
该模型以专有许可证分发，其Preview变体在某些基准上的许可证状态为待定。StepFun尚未公开披露完整的架构或训练细节，但推测该模型基于现代生成式人工智能系统常见的Transformer (architecture)架构。Step 5的开发与人工智能研究的更广泛趋势一致，其中深度学习和神经网络技术被应用于改进推理、视觉和代码生成。
基准性能
Step 5 Preview已在多个公开排行榜上接受评估。在benchlm总体排行榜上，截至2026年10月12日的快照，它排名第17位，得分为70.25。在LMArena视觉英语类别中，它排名第20位，得分为1294.41。该模型还出现在LMArena文本中文类别中，排名第31位，得分为1519.43，表明其在中文任务中表现强劲。
在智能体基准中，Step 5 Preview在LMArena的智能体排行榜上总体排名第33位，但未报告得分。对于网页开发任务，高变体（step-5-preview-high）在图像到网页开发中排名第30位，在webdev-react中排名第34位，在总体webdev中排名第35位，得分分别为1541.17、1578.41和1563.52。这些结果表明，Step 5特别擅长从视觉输入生成和编辑网页界面。
变体和许可
StepFun已发布至少两个Step 5变体：标准Step 5 Preview和高努力变体（step-5-preview-high）。高变体仅出现在网页开发基准中，其排名高于标准变体。所有变体均为专有，未宣布开源发布。Preview变体的许可证在benchlm上列为“待定”，而LMArena将其列为“专有”。这种许可方式在商业AI实验室中很常见，它们通常提供有限预览以在全面发布前收集反馈。
技术背景
虽然Step 5的具体技术细节未公开记录，但它很可能建立在多头注意力和位置编码机制的进步之上，这与其它最先进模型类似。该模型在中文文本上的强劲表现表明其接受了大量中文语料库的训练，可能利用了课程学习和RLHF等技术来与人类偏好对齐。其网页开发能力暗示了视觉和代码生成的集成，可能使用图像和文本模态之间的交叉注意力。
Step 5的开发反映了AI领域的竞争格局，OpenAI、Anthropic和Google DeepMind等公司也在发布先进模型。StepFun作为较新的进入者，通过专注于中文和多模态任务开辟了细分市场，这从其排行榜排名中可见一斑。
影响和未来方向
Step 5在公开基准上的表现表明，StepFun是AI领域的重要竞争者。其在网页开发任务中的高排名暗示了在自动化前端设计和原型制作中的潜在应用。然而，专有性质和缺乏详细技术披露限制了独立验证。截至最新快照，Step 5尚未集成到亚马逊网络服务或微软Azure等主要云平台中，但未来可用性可能会扩大。
该模型的成功可能影响机器学习的未来发展，特别是在多语言和多模态系统方面。研究人员可能会研究其方法，以改进类似任务的效率和准确性。目前，Step 5仍是专注于特定领域而非通用基准的专用AI模型的一个显著例子。