Model
.ai
siguiendo los modelos de IA abiertos
Step 5 Preview
StepFun | 1,048,576 token context | $1.00/M input, $2.70/M output. Step 5 Preview is StepFun's flagship model for agentic work, built on a sparse Mixture-of-Experts architecture (27B active / 600B total parameters). It performs strongly in software engineering and professional knowledge work, with particular strength in finance. It is designed for extended tasks that span large codebases and documents, using tools and refining results over multiple steps.
Guías para este modelo
Todas las guías
Step 5 Preview es el modelo cerrado insignia de StepFun, construido sobre una arquitectura Mixture-of-Experts dispersa con 27B parámetros activos de un total de 600B. Está orientado a flujos de trabajo agenticos: tareas largas de múltiples pasos sobre grandes bases de código y documentos, con especial fortaleza en finanzas e ingeniería de software. La ventana de contexto de un millón de tokens lo convierte en una opción seria cuando otros modelos se quedan sin espacio.

Conocido por

  • Ventana de contexto de un millón de tokens para bases de código y documentos muy grandes
  • Diseño MoE disperso: 27B activos / 600B totales parámetros
  • Fuerte en ingeniería de software y trabajo profesional de conocimiento
  • Profundidad particular en tareas del dominio financiero
  • Construido para tareas agenticas de múltiples pasos con uso de herramientas

Cuidado con

  • Solo pesos cerrados — no hay despliegue local ni autoalojamiento.
  • Precio de salida a $2.70/M es moderado pero ejecuciones de contexto largo pueden generar facturas grandes rápidamente.
  • Etiquetado para visión y video, pero StepFun no ha publicado detalles sobre esas capacidades aquí.

Prompts para probar

Auditar una base de código grande
Voy a pegar un código Python grande a continuación. Identifica vulnerabilidades de seguridad, sugiere refactorizaciones para las tres funciones más complejas y produce una lista priorizada de cambios con breve justificación para cada uno. Revisa los archivos sistemáticamente antes de sacar conclusiones.
Análisis de documento financiero
Aquí hay un informe 10-K. Extrae los principales impulsores de ingresos, marca cualquier factor de riesgo material que haya cambiado año tras año y resume la posición de flujo de caja en lenguaje sencillo para que un no contable pueda actuar. Cita las secciones relevantes.
Agente de investigación multi-paso
Tienes acceso a búsqueda e intérprete de código. Investiga el panorama competitivo actual de precios de bases de datos en la nube, escribe una tabla comparativa y luego un script corto en Python que tome un volumen mensual de consultas como entrada y devuelva el costo mensual estimado para cada proveedor.

Comparar con

  • Step 3.5 Flash
    Modelo con pesos abiertos
    Contexto de 262,144 tokens · $0.10/M entrada, $0.30/M salida
  • Step 3.7 Flash
    Modelo con pesos abiertos
    Contexto de 262,144 tokens · $0.20/M entrada, $1.15/M salida
  • GPT-6 Luna
    Modelo solo API
    Contexto de 1,050,000 tokens · $0.10/M entrada, $0.50/M salida
  • GPT-5.6 Luna
    Modelo solo API
    Contexto de 1,050,000 tokens · $0.20/M entrada, $1.20/M salida
Más modelos de texto de stepfun

Preguntas frecuentes

¿Puedo ejecutar Step 5 Preview localmente?
No. Los pesos no son públicos y StepFun no ha liberado un repositorio en Hugging Face, por lo que solo se accede vía API.
¿Cuánto cuesta Step 5 Preview y cuán grande es su contexto?
El precio es $1.00 por millón de tokens de entrada y $2.70 por millón de tokens de salida, con una ventana de contexto de un millón de tokens.
¿En qué se diferencia Step 5 Preview de alternativas más pequeñas o baratas?
Sus principales diferenciadores son la ventana de contexto de un millón de tokens y la arquitectura MoE afinada para trabajo agentico de múltiples pasos — particularmente en finanzas e ingeniería de software — en lugar de chat de propósito general.
Veredicto del capitán
Si necesitas un modelo que pueda mantener en contexto una base de código o documento financiero grande y actuar sobre él en múltiples pasos, Step 5 Preview vale el precio.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Step 5 Preview en ModelTrends.ai: Up 88.2% this week
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #19 Hottest AI model · #7 Hottest Text / LLM model · #7 Hottest Text / LLM text model
Not this creator?
Tendencia de popularidad de Step 5 Preview
Puntuación de calor desde 8 Oct 2026
Puntuación de popularidad
9,275°
Esta semana
▲
88.2%
9,192° entonces, 9,275° ahora
Este mes
n/a
No fue lanzado/seguido
Último año
n/a
No fue lanzado/seguido
Step 5 Preview: Puntuación de calor desde 8 Oct 20267,000°7,637°8,274°8,911°9,548°9 Oct11 Oct14 Oct17 Oct20 Oct22 Oct9,275°ModelTrends.ai
7,000°
Piso
La escala va de 0° a 9,999°. Todo lo que está por debajo de 7,000° se reserva para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas. 7,000° es donde empiezan los datos medidos: un modelo con datos reales pero casi sin descargas se sitúa en el piso, y las mediciones llenan los grados por encima. El piso no dice nada sobre el modelo; solo los grados por encima lo hacen, y son los que separan un modelo de otro.
+1,891°
Tokens de OpenRouter
20,114,388,806,215 tokens procesados por este modelo a través de OpenRouter en los últimos 30 días, sumando prompts y respuestas. Cada 10,000,000 tokens cuentan como una descarga en el periodo de descargas, 2,011,438 en total; los tokens del último día se suman a la tasa de adopción. Fuente: OpenRouter (openrouter.ai/rankings).
+384°
Tasa de adopción
Unos 132,511 descargas al día, medidos entre dos lecturas de las fuentes, nunca estimados a partir de un promedio de toda la vida. La velocidad pesa un cuarto del término de descargas, así que un aumento reciente se nota sin que un pico de un día supere años de uso.
Mostrar desglose detallado
Cada número en este sitio se puede verificar. La puntuación de popularidad de este modelo es 9,275°, y aquí se construye un ingrediente a la vez, con el total acumulado después de cada uno: el piso, los grados que añade cada fuente, el bono por el tipo de modelo y lo que la antigüedad de sus pesos resta. Los colores son las bandas del gráfico de arriba. El glosario al final define cada término.
  1. 1
    Empieza en el piso.
    Por qué 7,000° y no cero: la escala va de 0° a 9,999°, y la parte por debajo de 7,000° está reservada para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas y nunca superen a un modelo con datos. 7,000° es donde empiezan los datos medidos. Un modelo con datos reales pero casi sin descargas está aquí; todo lo que sigue es medición, y el espacio sobre el piso tiene diez pasos de diez veces más descargas a 300° cada uno. El piso es igual para todos los modelos, así que no decide nada; los grados por encima sí.
    7,000°
    total acumulado
  2. 2
    Suma las descargas.
    2,011,438 equivalentes a descargas en total, de Tokens de OpenRouter. Diez veces las descargas suman el mismo 300°, así que el tamaño importa pero nunca domina la puntuación.
    +1,891°
    8,891°
    total acumulado
  3. 3
    Añade la tasa de adopción.
    Unos 132,511 descargas al día ahora mismo, medido entre dos lecturas, con un cuarto del peso.
    +384°
    9,275°
    total acumulado
  4. =
    La puntuación heat.
    Dónde está este modelo en cada lista de este sitio. Nada más la ajusta.
    9,275°
Glosario: los términos usados aquí
Puntuación heat
Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso
Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas
Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica
Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes
Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción
Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado
Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder
Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde
Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación
Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter
Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint)
Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding
Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos
La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad
Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia
Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional
Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia)
Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia
Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico
El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Cómo se ha movido la popularidad de este modelo frente al resto del catálogo: su crecimiento en descargas, likes y uso en cada periodo, medido contra el crecimiento típico de un modelo en el mismo periodo, con su puntuación de calor en ese momento. Por encima del crecimiento típico se lee como un aumento, por debajo como una caída. El pasado se reconstruye a partir de los totales de hoy, el primer día del modelo y su velocidad de descarga medida cuando hay dos lecturas; un modelo que no existía al inicio de un periodo muestra n/a.