24小时不休息，阶跃开源模型跑赢了Claude

凌晨两点，一块ESP32开发板还在自己改自己的固件。

没有人在旁边盯着。一个AI模型连续跑了三个多小时，把开发板的硬件参数调了又调，中间没断过一次。这不是实验室演示视频，是阶跃星辰今天发布的Step 5 Preview在干真实活。

我看到这个测试记录的时候愣了一下。不是因为AI能写代码，大家都习惯了。是因为它跑的时间太长了。三个多小时不间断执行，对现在的大模型来说非常难。

直到今天。

这个AI不是GPT，不是Claude。是阶跃星辰的Step 5 Preview。

一个国产开源模型，今天正式发布，10月15日把完整权重放出来免费下载。在Artificial Analysis Intelligence Index，全球最权威的AI综合能力榜单上，它拿了44分，排在全球开源前三。单任务成本只有Claude Opus 5的八分之一。

你可能没听过阶跃星辰。但如果你关注国产大模型，这家公司绕不过去。

不是更大，是更聪明地用算力

说真的，现在聊大模型最怕听到的就是参数数字。你跟我说600B，我第一反应是，又一个堆参数的。

但Step 5 Preview的600B总参数，实际只激活了27B。

想象一个600人的公司，每次接到任务只需要27个人同时上班，其他人待命。每人只干自己最擅长的事。这就是稀疏MoE架构的核心思路，不是让所有人一起上，是让最对的人上。

阶跃自己的说法叫"帕累托前沿"。讲得直白一点，就是同样的成本下买到更强的智能，或者同样的智能花更少的钱。它直接决定你用这个模型要花多少钱。

差距在不在。在。44分对比60分，能力上确实还有距离。但成本差了8倍。如果你是要跑大量Agent任务的创业团队，一个月API账单从80万降到10万，你会在意那16分的差距吗。

这是阶跃今天发布会传递的最重要的信号。不是"我又做出了更强的模型"，是"我把智能效率的边界又往外推了一步"。

跑赢了Claude的那个瞬间

我自己最感兴趣的是一组数据。在24小时GPU Kernel优化任务中，Step 5 Preview把MLA内核峰值性能做到了508 TFLOPS。

Claude Opus 5的成绩是493。

对，你没看错。在这个具体任务上，阶跃的开源模型跑赢了Anthropic旗舰闭源模型。

我不敢说这代表Step 5整体强于Claude Opus 5。那不客观。但在某些需要长时间持续执行的场景里，国产开源模型已经能和全球最强模型掰手腕了。放到一年前，没人敢想。

还有一个数据值得说。Step 5 Preview在自动化后训练实验中，把Qwen3-30B-A3B在AIME24数学竞赛上的准确率从53.3%拉到60%。它不只会做任务，还能帮别的模型变强。这个能力在AI圈叫"模型当教练"，非常前沿。

在Agents' Last Exam的CLI子集、FrontierFinance金融评测、DRACO跨领域研究评测上，Step 5 Preview都仅次于GPT-6 Astra或Claude Opus 5，领先其他所有开源模型。包括Llama、Mistral这一票。

阶跃还自建了StepCodeBench，覆盖553个代码仓库、9类任务、33种编程语言。不是刷跑分榜，是在真实代码库里干活。

不是参数更大，是算力花得更值。

如果你正在选AI模型，记住三个判断标准

很多朋友不知道怎么判断一个模型适不适合自己。聊一下我自己总结的三个标准。

第一，看任务需不需要长时间执行。一问一答的场景大部分模型都行。但如果你需要模型连续跑几小时做代码迁移、数据分析，就得关注Agent能力。Step 5 Preview在ESP32上连续执行超3小时，这个数字可以当参照线。

第二，看单任务成本而不是单价。有些模型单价便宜但调用次数多，总成本反而高。Claude Opus 5完成同一任务的实际花费是Step 5的8倍。

第三，看你能不能拿到权重。闭源模型再强，数据要发到别人服务器上。开源模型可以本地部署、微调、自控安全边界。10月15日之后，Step 5 Preview是AA榜单前三里唯一免费拿到的模型。

建议收藏这三个标准，下次选AI模型的时候直接对号入座。

国产开源正在改变游戏规则

我一直觉得，国产AI模型最有价值的不是跑分最高那个，而是让最多人用上的那个。

过去半年，从智谱GLM-5.3发现40年未知DNS漏洞，到DeepSeek V4.1把推理成本压到0.02元每百万token，到通义千问拿下CodeArena全球第一，再到今天阶跃Step 5 Preview进入全球开源前三。国产开源模型的节奏已经不是偶尔冒头，是持续上攻。

阶跃星辰在这条路上走了三年。连续三代基座模型都在做同一件事，把计算转化为智能的效率提上去。

这条路线逻辑很清晰。大模型Scaling的旧逻辑是用更多计算换更强智能，但计算成本也在飙升。下一阶段的竞争核心是谁能把同样多的算力变成更多有效智能。27B激活参数做到44分AA指数，就是在回答这个问题。

44分对比60分，差距是真实的。但国产开源模型正在用成本优势快速缩小能力差距。当最强的那批模型中有几个是免费下载的，追赶这个概念就变了。

10月15日，Step 5 Preview权重开源。全球开发者可以免费拿到一个AA指数44分、支持百万token上下文、原生多模态输入的模型。两年前花多少钱都买不到。

觉得有用，转发给做AI的朋友，建议收藏下次选模型的时候用得上。

你自己用AI模型的时候，最看重什么，成本还是能力？评论区聊聊你的选择。

你觉得开源模型和闭源模型，3年后谁会更强？留言区等你的判断。

更多AI产业深度观察，关注专业网站 犀牛伯爵 rhinocount.cn