阶跃星辰Step 5：AI的“帕累托前沿”
最近，阶跃星辰跳过了第四代模型，直接发布了Step 5 Preview模型。阶跃星辰反复强调的两个词：“真实世界Agentic任务”和“帕累托边界”。也就是不再单纯追求“最聪明”，而是追求在特定智能水平下“性价比最高”，专门用来干活。
这次的逻辑拆解开看，其实非常清晰：
第一，目标场景变了。大模型正在从“聊天问答”转向“任务执行”。阶跃星辰展示的案例，无论是连续工作22小时优化GPU代码，还是玩3000多回合的《口袋妖怪》，都不是一次性的聪明问答，而是需要持续记忆、反馈、调整的“长程任务”。
第二，商业考量压倒了技术指标。对于这类长任务，模型的单次调用成本会被放大成千上万倍。一个任务跑下来，总成本是决定其商业可行性的唯一标准。因此，一个智能度达到90分但成本只有10元的模型，远比一个智能度95分但成本50元的模型，在商业上更有价值。这就是“帕累托边界”的商业本质。Step 5采用的600B稀疏MoE架构（每次激活27B参数），正是为了实现这种高性价比的推理。
第三，这意味着大模型产业的竞争维度正在分化。过去，大家比的是MMLU、GPQA这类“智商测试”分数，这是一场暴力的军备竞赛。现在大家比任务性价比。它们的目标客户，不是需要最前沿科研突破的实验室，而是对成本高度敏感的企业开发者和专业人士，比如程序员、金融分析师。
像Step 5这样的模型，则会成为推动AI Agent在各行各业大规模落地的“主力军”，它们让自动化工作流的成本变得可控，从而催生出新的应用和商业模式。
真正的挑战，已经从“如何让模型更聪明”转向了“如何将‘足够好’的智能，稳定、低成本地嵌入千万个具体业务流中”。
人工智能大模型阶跃星辰