阶跃 Stars a récemment publié et open sourcé officiellement les poids du modèle Step5Preview, mettant simultanément à disposition des développeurs du monde entier les poids des modèles BF16 et FP8, un blog technique détaillé ainsi que les outils de développement open source associés. Auparavant, grâce à ses excellentes performances globales, le modèle s'était hissé à la deuxième place mondiale dans les classements hebdomadaires et quotidiens d'appels sur OpenRouter.
En matière de conception architecturale, Step5Preview est spécialement optimisé pour les tâches d'agents (Agent) complexes de longue durée, en adoptant une avancée architecture MoE creuse (mixture of experts). Le modèle totalise jusqu'à 600B de paramètres, mais n'active que 27B de paramètres par token, garantissant ainsi de puissantes capacités de raisonnement tout en assurant une très haute efficacité d'exécution. Il prend en charge nativement les entrées multimodales texte et vision, et dispose d'une étonnante fenêtre de contexte ultra-longue de 100万 (un million) de tokens, lui permettant d'exceller dans de nombreux scénarios complexes.
Pour permettre aux développeurs de démarrer rapidement et de faciliter l'intégration à l'écosystème, les poids du modèle sont désormais entièrement disponibles sur les plateformes Hugging Face et ModelScope, parfaitement compatibles avec les principales plateformes de puces et frameworks d'inférence, et prenant en charge divers modes de déploiement local et d'inférence hors ligne, facilitant grandement l'intégration par les développeurs dans leurs propres systèmes pour construire des applications intelligentes avancées.
Parallèlement, le blog technique publié officiellement par 阶跃 Stars détaille ses innovations clés en matière de co-optimisation de la conception architecturale et de l'entraînement, révélant le socle technologique qui permet le fonctionnement stable d'agents complexes de longue durée. Avec cette ouverture complète des poids, ce modèle haute performance devrait encore accélérer l'innovation de déploiement des grands modèles nationaux dans divers scénarios d'application verticaux et de longue durée.