BenchLeader
StepFun开放权重推理模型与其他模型对比

Step 5 Preview

其他搜索名称:Step 5, StepFun Step 5 Preview

推理强度
质量第 94 / 339 名
56.0Index
高于中位数
较中位数 +5.8
价格第 157 / 255 名
$1.43每百万 token
比多数贵
中位数的 1.7 倍
速度第 51 / 216 名
124token/秒
前四分之一
中位数的 1.5 倍
性价比第 157 / 255 名
39.3分/$
低于中位数
中位数的 0.7 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 10 分之一。

有 23 个更便宜的已排名模型得分更高:Kimi K2.5 (59.4, $1.20)、Qwen3.6 Plus (59.0, $1.13)、Gemini 3 Flash (58.9, $1.13),另有 20 个。

截至 2026年11月16日,Step 5 Preview(StepFun)在 BenchLeader Index 上得分 56.0(共 608 个已排名配置)。表现最好的是长上下文(69),最弱的是智能体与工具(49)。API 价格为输入每百万 token $1.00、输出每百万 token $2.70(按 3:1 混合为 $1.43),为 2026年11月16日的标价。输出速度约为 120 token/秒(Artificial Analysis)。发布于 2026年9月18日。

要点(截至 2026年11月16日)

  • Step 5 Preview 的 API 价格为输入每百万 token $1.00、输出每百万 token $2.70(按 3:1 混合为 $1.43)(标价,2026年11月16日)。
  • Step 5 Preview 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
  • Step 5 Preview 于 2026年9月18日发布(StepFun)。

详细说明:Step 5 Preview 是 StepFun 的开放权重推理模型,发布于 2026年9月18日。其最佳配置在 BenchLeader Index 上得分 56.0 ±4.4,在 608 个配置中排第 195 名,处于上半区。关键在于这个“±”:另有 279 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(69),智能体与工具最低(49)。按混合价格计,每百万 token $1.43,比大多数已排名模型贵。输出速度为 124 token/秒,首次回答需 23.5 秒,位于最快的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$1.43/M
输入 $1.00 · 输出 $2.70
来源:Artificial Analysis
输出速度
124 tok/s
由 Artificial Analysis 测量
首次回答
24 s
首 token 1.61 s
上下文
1M
来源:Artificial Analysis
完整回答
54 s
最近一次测量 2026年11月13日
单任务成本
$2.35
每项任务 15 min,AA Index
单任务 token 数
113k
其中 70% 为推理
发布日期
2026年9月18日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index56
  2. 推理52
  3. 编程50
  4. 智能体与工具49
  5. 数学60
  6. 知识54
  7. 人类偏好63
  8. 多模态59
  9. 长上下文69

嵌入这个排名

更多徽章样式
[![Step 5 Preview on BenchLeader: 综合第 93 名](https://www.benchleader.com/badge/step-5.svg?style=compact)](https://www.benchleader.com/models/step-5)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

StepFun 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
high––124 tok/s24 s$0.0012编程 59
max––124 tok/s24 s$0.0012综合 38
未说明最佳56.0#195124 tok/s24 s$0.0012智能体与工具 49 · 编程 50 · 人类偏好 63 · 知识 54 · 长上下文 69 · 数学 60 · 多模态 59 · 推理 52

Index 走势

2026年10月3日 至 2026年11月16日
505865

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index33.3#239Artificial Analysis

推理

基准测试max默认来源趋势
Arena Hard Prompts推理强度未说明–1477#73Arena (LMArena)
LiveBench 2.0 Reasoning不计入 Index83.8%#21–LiveBench
Humanity's Last Exam (AA)不计入 Index推理强度未说明–46.5%#50Artificial Analysis
HLE-Diamond (AA)推理强度未说明–24.3%#65Artificial Analysis
CritPt不计入 Index推理强度未说明–20.9%#68Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明–32.5%#74Artificial Analysis
MysteryMechanism不计入 Index推理强度未说明–18.5%#28Vals AI
Arena Expert不计入 Index推理强度未说明–1489#63Arena (LMArena)

编程

基准测试highmax默认来源趋势
SciCode推理强度未说明––58.9%#22SciCode
Arena Coding推理强度未说明––1505#70Arena (LMArena)
Arena WebDev1573#46––Arena (LMArena)
LiveBench 2.0 Coding不计入 Index–67.6%#25–LiveBench
SciCode (AA)不计入 Index推理强度未说明––58.9%#22Artificial Analysis
IOI推理强度未说明––38.1%#39Vals AI
Code Migration不计入 Index推理强度未说明––39.0%#32Vals AI
Code Migration v1.1不计入 Index推理强度未说明––47.0%#18Vals AI
SWE-bench Multimodal不计入 Index推理强度未说明––40.8%#18Vals AI
Vibe Code Bench v1.1不计入 Index推理强度未说明––70.4%#50Vals AI
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明––33.3%#57Artificial Analysis
FrontierCode 1.1 (AA)不计入 Index推理强度未说明––38.4%#47Artificial Analysis
FrontierCode 2.0 (AA)推理强度未说明––12.0%#91Artificial Analysis

智能体与工具

基准测试max默认来源趋势
Arena Agent推理强度未说明–-3.7#39Arena (LMArena)
LiveBench Long Agentic不计入 Index19.4%#25–LiveBench
LiveBench Browser不计入 Index24.8%#28–LiveBench
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明–54.3%#26Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明–1591#43Artificial Analysis
ITBench SRE (AA)不计入 Index推理强度未说明–55.6%#2Artificial Analysis
Analyst Agent (AA)不计入 Index推理强度未说明–35.0%#30Artificial Analysis
APEX-Agents (AA)不计入 Index推理强度未说明–38.0%#5Artificial Analysis
Finance Agent v2不计入 Index推理强度未说明–50.7%#43Vals AI
Finance Agent v2.1不计入 Index推理强度未说明–58.9%#28Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index推理强度未说明–12.9%#16Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index推理强度未说明–9.2%#22Vals AI
Legal Research Bench不计入 Index推理强度未说明–40.4%#36Vals AI
SREBench不计入 Index推理强度未说明–0.4%#31Vals AI
Tax Agent Bench不计入 Index推理强度未说明–27.3%#40Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index推理强度未说明–31.8%#25Vals AI
Terminal-Bench Science不计入 Index推理强度未说明–2.9%#34Vals AI
Arena Agent Task Completion不计入 Index推理强度未说明–-1.5#35Arena (LMArena)
AutomationBench不计入 Index推理强度未说明–51.0%#104Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明–14.8%#126Artificial Analysis
EnterpriseOps-Gym不计入 Index推理强度未说明–47.2%#10Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明–1424#73Artificial Analysis
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明–2.4%#98Artificial Analysis
CWE-Bench (AA)推理强度未说明–52.5%#17Artificial Analysis
DeepSec-Bench (AA)推理强度未说明–15.8%#18Artificial Analysis
CyberGym end-to-end (AA)推理强度未说明–74.8%#8Artificial Analysis
MKA (AA)不计入 Index推理强度未说明–27.6%#21Artificial Analysis

数学

基准测试默认来源趋势
ProofBench42.0%#40Vals AI
Arena Maths1470#54Arena (LMArena)

知识

基准测试max默认来源趋势
LiveBench 2.0 Data Analysis不计入 Index63.5%#29–LiveBench
LiveBench Research不计入 Index75.5%#25–LiveBench
AA-Omniscience v1.1推理强度未说明–16.4#60Artificial Analysis
BioMysteryBench不计入 Index推理强度未说明–67.4%#20Vals AI
Excel Modeling Benchmark不计入 Index推理强度未说明–57.1%#42Vals AI
Excel Modeling Benchmark v1.1不计入 Index推理强度未说明–69.5%#20Vals AI
Public Benefits Bench v1.1不计入 Index推理强度未说明–58.1%#37Vals AI
AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明–36.4%#84Artificial Analysis
AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明–68.7%#40Artificial Analysis

指令遵循

基准测试默认来源趋势
Arena Instruction Following不计入 Index1450#67Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1449#83Arena (LMArena)
Arena Creative Writing不计入 Index1413#92Arena (LMArena)
Arena Multi-turn不计入 Index1445#102Arena (LMArena)
Arena Longer Queries不计入 Index1461#77Arena (LMArena)

多模态

基准测试max默认来源趋势
Arena Vision推理强度未说明–1263#51Arena (LMArena)
LiveBench Design不计入 Index70.8%#26–LiveBench
MMMU-Pro推理强度未说明–76.4%#100Artificial Analysis
Code2Video-AA不计入 Index推理强度未说明–821#24Artificial Analysis
AA-3D不计入 Index推理强度未说明–859#21Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.188.3%#2Artificial Analysis
MLCR不计入 Index18.3%#67Artificial Analysis

综合

基准测试max默认来源趋势
LiveBench 2.054.9%#27–LiveBench
AA Intelligence Index v5.0.1不计入 Index推理强度未说明–28.5#73Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index推理强度未说明–43.7#49Artificial Analysis
AA Progress Index v1不计入 Index推理强度未说明–318.2#71Artificial Analysis
Vals Index不计入 Index推理强度未说明–54.8#25Vals AI
Vals Finance Index不计入 Index推理强度未说明–55.4%#29Vals AI
Vals Science Index不计入 Index推理强度未说明–29.6%#21Vals AI
Vals Legal Index不计入 Index推理强度未说明–70.2%#18Vals AI
AA Cyber Index不计入 Index推理强度未说明–47.7#11Artificial Analysis

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
StepFun159 tok/s1.61 s$1.00$2.701Mfp8
Featherless8 tok/s4.06 s$1.00$2.70262kfp4

使用情况

Step 5 Preview 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

OpenRouter,过去一周
#7
token 份额 3.0%
可用性,72 小时
98.5%
OpenRouter,全部提供商
工具调用错误率,7 天
2.85%
占工具调用
OpenRouter 每日 token 数(2026年10月17日 至 2026年11月15日):共 23.5T,环比上周 −11%。

过去 30 天的典型请求:每次请求 256.5k token、每个输出 token 对应 214 个输入 token、95% 的输入来自缓存、1% 的输出为推理内容、每次请求 0.01 次工具调用。

在 OpenRouter 上向它发送 token 最多的应用:OpenClaw (6.29T)、Hermes Agent (1.83T)、Kilo Code (2.2B)、pi (2.0B)、Nous Research API (1.4B)。

Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
Stepfun232 tok/s0.57 s99.88%
Tencent99 tok/s1.86 s99.95%

来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.105。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0012$0.000925.9 s
总结一份 30 页的报告12,000 / 600$0.014$0.005628.4 s
代码编辑6,000 / 1,500$0.010$0.006035.6 s
智能体编程会话60,000 / 4,000$0.071$0.03055.8 s
结构化信息提取2,000 / 200$0.0025$0.001225.1 s

StepFun 的更多模型

本月新上线

将 Step 5 Preview 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Step 5 Preview 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Step 5 Preview on BenchLeader: 综合第 93 名](https://www.benchleader.com/badge/step-5.svg)](https://www.benchleader.com/models/step-5)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Step 5 Preview on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/step-5

BibTeX:

@misc{benchleader_step_5_20261116,
  author       = {{BenchLeader}},
  title        = {{Step 5 Preview on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/step-5}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Step 5 Preview 的基准测试得分是多少?
截至 2026年11月16日,Step 5 Preview 的 BenchLeader Index 为 56.0 ±4.4。最强的是长上下文(69),最弱的是智能体与工具(49)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Step 5 Preview 排名第几?
截至 2026年11月16日,Step 5 Preview 在 608 个已排名配置中排第 195 名。另有 279 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Step 5 Preview 每百万 token 的价格是多少?
截至 2026年11月16日,Step 5 Preview 的价格为输入每百万 token $1.00、输出每百万 token $2.70,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.43。
Step 5 Preview 比 DeepSeek V4 Pro 更好吗?
截至 2026年11月16日,DeepSeek V4 Pro(推理强度 high)与 Step 5 Preview 的质量不相上下(BenchLeader Index 56.0 比 56.0,在 ±6.2 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Step 5 Preview 是什么时候发布的?
StepFun 于 2026年9月18日发布了 Step 5 Preview。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Step 5 Preview:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/step-5。