Step-5 Preview: StepFun lanciert 600B-MoE-Flaggschiff für Langzeit-Agenten

Das chinesische KI-Labor StepFun (阶跃星辰) hat mit Step 5 Preview sein neues Flaggschiff-Basismodell für agentische Arbeitsabläufe vorgestellt. Das Modell kombiniert eine spärliche Experten-Architektur (Sparse Mixture-of-Experts) mit einer Gesamtgröße von 600 Milliarden Parametern, aktiviert pro Rechenschritt jedoch lediglich 27 Milliarden Parameter. Ausgestattet mit einem Kontextfenster von einer Million Tokens und nativer Bildverarbeitung, zielt das Modell primär auf komplexe, langlaufende Aufgaben im Software-Engineering sowie in der Finanzanalyse ab. Über die unternehmenseigene Entwicklerplattform ist die Programmierschnittstelle (API) ab sofort zugänglich, während die vollständigen Modellgewichte am 15. Oktober 2026 als Open Source freigegeben werden sollen.

Gegründet wurde StepFun im April 2023 von Dr. Daxin Jiang, dem früheren Vizepräsidenten und Chef-Wissenschaftler des Microsoft Software Technology Center Asia (STCA). Während westliche Branchengrößen wie OpenAI und Anthropic ihre neuesten Spitzenmodelle wie GPT-6 Astra und Claude Fable 5.1 weiterhin hinter teuren, geschlossenen Schnittstellen halten, reiht sich StepFun in die Reihe chinesischer Entwickler ein, die den Markt über hocheffiziente Open-Weight-Architekturen aufrollen. Wie zuvor Kimi K3 von Moonshot AI oder GLM-5.3 von Zhipu AI attackiert StepFun dabei vor allem die wirtschaftliche Flanke der westlichen Anbieter.

Die Pareto-Grenze: Hohe Intelligenz bei einem Bruchteil der Kosten

Im Zentrum der Veröffentlichung steht das Konzept der ökonomischen Pareto-Effizienz. In der unabhängigen Auswertung der Benchmark-Plattform Artificial Analysis erreicht Step 5 Preview einen Wert von 44 Punkten im Intelligence Index. Damit zieht das Modell mit Konkurrenten wie Kimi K3, Grok 4.6 und GPT-5.6 Sol gleich. Der entscheidende Unterschied liegt jedoch im Ressourcenaufwand: Mit API-Preisen von rund 1,00 Dollar pro Million Eingabetokens und 2,70 Dollar pro Million Ausgabetokens unterbietet StepFun vergleichbare Modelle deutlich.

Nach ersten Auswertungen aus der Entwickler-Community liegen die Gesamtkosten pro gelöster Aufgabe bei Step 5 Preview um etwa 65 Prozent unter denen von Kimi K3. Gegenüber geschlossenen Riesenmodellen wie Claude Opus 5 veranschlagt das Modell nach Angaben von Branchenbeobachtern sogar nur rund ein Achtel der Kosten für vergleichbare Workflows. Dieser Kostenvorteil resultiert direkt aus der MoE-Architektur: Obwohl das neuronale Netz ein gewaltiges Wissensreservoir von 600 Milliarden Parametern vorhält, werden pro Token nur 27 Milliarden Parameter durchlaufen, was die Inferenzkosten drastisch reduziert.

24 Stunden am Stück: Autonomie bei GPU-Kernels und Modell-Feinschliff

Ein zentrales Versprechen von StepFun ist die Fähigkeit des Modells, über viele Stunden hinweg autonom an schwierigen Problemstellungen zu arbeiten, ohne den roten Faden zu verlieren. Um diese Ausdauer zu belegen, führte das Unternehmen mehrere quantifizierbare Langzeittests durch. In einem dieser Experimente erhielt Step 5 Preview den Auftrag, auf einem einzelnen Grafikprozessor vom Typ NVIDIA H100 über 24 Stunden hinweg eigenständig einen Kernel für Multi-Head Latent Attention (MLA) zu optimieren.

Das Modell formulierte dabei eigenständig Implementierungen, führte Testläufe durch, analysierte den gemessenen Datendurchsatz und verwarf Code-Varianten, die hinter dem bisherigen Zwischenstand zurückblieben. Nach Angaben von StepFun erreichte das System nach rund 22 Stunden kontinuierlicher Suche einen kombinierten Durchsatz von 508 TFLOPS bei Vorwärts- und Rückwärtsrechnung. Damit habe das Modell die Ergebnisse von Vergleichsläufen mit Claude Opus 5, Kimi K3 und GLM-5.3 übertroffen.

In einem zweiten 24-stündigen Autonomie-Experiment steuerte Step 5 Preview den nachgelagerten Trainingsprozess (Post-Training) eines kleineren Modells (Qwen3-30B-A3B). Über eine API-Anbindung an Produktionsdaten selektierte und verfeinerte Step 5 Trainingsbeispiele für anspruchsvolle mathematische Aufgaben. Das resultierende Modell steigerte seine Genauigkeit auf dem Benchmark AIME24 von ursprünglich 53,3 Prozent auf 60,0 Prozent. Laut StepFun erzielte das System damit eine Trefferquote auf dem Niveau von Claude Opus 5, verbrauchte dabei jedoch wesentlich weniger Evaluierungs-Tokens.

Rollenspiel im Game Boy: Pokémon Red als Langzeit-Härtetest

Dass Ausdauer bei KI-Agenten nicht nur in synthetischen Programmierumgebungen gemessen werden kann, demonstrierte das Labor anhand des Spieleklassikers Pokémon Red. Ein menschlicher Spieler benötigt für das Rollenspiel rund 26 Stunden planvolles Vorgehen, Ressourcenverwaltung und kontinuierliche Orientierung in einer zweidimensionalen Welt. Ohne spezifisches Training für das Spiel meisterte Step 5 Preview über 3.000 Spielzüge und verarbeitete dabei knapp 6 Millionen Tokens an Feedback.

Im Verlauf der Sitzung brachte das Modell seiner Spielfigur die Spezialtechnik „Zerschneider“ bei, navigierte durch Hindernisse und besiegte im 3.082. Zug den Arenaleiter Major Bob in Orania City, um den dritten von acht Orden zu erringen. Der Test demonstriert, dass das Modell in der Lage ist, über Tausende aufeinanderfolgende Interaktionen hinweg ein übergeordnetes Ziel zu verfolgen, Werkzeuge gezielt einzusetzen und Fehlversuche eigenständig zu korrigieren.

Benchmarks: Eigene Code-Prüfung und Fokus auf Finanzanalysen

Für die Bewertung von Software-Engineering-Fähigkeiten setzt StepFun neben Standardtests auf den eigens entwickelten Benchmark StepCodeBench. Dieser umfasst 553 reale Quellcode-Repositories aus 20 Anwendungsfeldern und deckt 33 Programmiersprachen ab. In diesem Testfeld erzielte Step 5 Preview ein Ergebnis von 49,0 Prozent (avg@4) und platzierte sich damit vor den chinesischen Mitbewerbern Kimi K3 (43,9 Prozent) und GLM-5.3 (40,2 Prozent), wenngleich westliche Spitzenmodelle wie Claude Opus 5 (63,9 Prozent) hier weiterhin einen spürbaren Vorsprung halten.

Auffällig ist die Spezialisierung auf Finanzanalysen: Auf dem externen Prüfstand FrontierFinance, der 220 praxisnahe Investment-Fragestellungen mit über 11.000 Bewertungskriterien umfasst, erreicht Step 5 Preview 66,4 Prozent. Das Modell übertrifft damit nicht nur Kimi K3 und GLM-5.3, sondern lässt auch OpenAIs GPT-6 Astra (55,0 Prozent) deutlich hinter sich. In internen Fallstudien erstellte das Modell unter anderem ein 17 Tabellenblätter umfassendes Analysemodell zur Kalkulation von Treibstoffzuschlägen mit über 11.000 Datenzeilen, bei dem sämtliche Formeln und Annahmen bis zu den Primärquellen nachvollziehbar blieben.

Open Weights im Oktober: Der globale Druck auf US-Labs wächst

Die Veröffentlichung von Step 5 Preview verdeutlicht die Dynamik im internationalen KI-Wettbewerb. Während US-Anbieter ihre Spitzenmodelle zunehmend abschotten, verfolgen die chinesischen Herausforderer eine Doppelstrategie aus sofortiger API-Monetarisierung und anschließender Offenlegung der Gewichte. Die Ankündigung, die vollständigen Modellgewichte von Step 5 am 15. Oktober 2026 auf Hugging Face frei zugänglich zu machen, setzt insbesondere Cloud-Anbieter unter Zugzwang.

„Die Pareto-Linie repräsentiert die Grenze des Machbaren zwischen Intelligenz und Kosten. Technologischer Fortschritt erfordert es, beide Grenzen gleichzeitig zu verschieben.“

Unternehmen, die komplexe Agentensysteme für die interne Softwareentwicklung oder Datenverarbeitung aufbauen, erhalten mit Step 5 Preview eine leistungsfähige Alternative, die nicht an teure Monopol-Schnittstellen gebunden bleibt. In Verbindung mit aktuellen Modellen wie DeepSeek-V4.1-Flash und der Welle chinesischer Open-Weight-Initiativen zeigt sich, dass der Markt für leistungsfähige Arbeitsmodelle endgültig in eine Phase intensiven Preiswettbewerbs eingetreten ist.