Step 5 Preview API
Bientôt disponibleLe modèle MoE multimodal phare 2026 de StepFun pour le travail d'agent, le codage, le raisonnement à long contexte, l'analyse de documents et la compréhension vidéo.
Step 5 Preview API Contexte
Aperçu
Step 5 Preview est le modèle phare 2026 de StepFun pour le travail d'agent, exposé sous la forme de la Step 5 Preview API avec l'identifiant de modèle step-5-preview. Il est conçu pour l'ingénierie logicielle exigeante, le raisonnement à long contexte, l'analyse multimodale et les tâches de connaissances professionnelles, avec une force notable dans les flux de travail orientés finance. Le modèle accepte des entrées texte, image et vidéo et renvoie des sorties textuelles, ce qui le rend adapté aux assistants pilotés par API qui doivent lire de grands ensembles de documents, inspecter des supports visuels, appeler des outils et maintenir la progression sur des tâches complexes à plusieurs étapes.
Historique de développement
Sorti en 2026, Step 5 Preview représente le modèle preview phare de StepFun pour les applications d'agents avancées et le travail de connaissances orienté production. La Step 5 Preview API a été positionnée autour de performances de niveau frontière en ingénierie logicielle et raisonnement professionnel, en particulier là où le long contexte et l'utilisation d'outils importent. Son lancement a mis l'accent sur une combinaison de mise à l'échelle éparse Mixture-of-Experts, une fenêtre de contexte de 1 048 576 tokens, la prise en charge d'entrées multimodales et des fonctionnalités d'API structurées telles que le streaming, les sorties JSON, JSON Schema, le prompt caching et l'effort de raisonnement configurable pour les flux de travail complexes.
Innovations clés
- Architecture éparse Mixture-of-Experts avec 600 milliards de paramètres au total et seulement 27 milliards d'activés par token, améliorant l'efficacité d'échelle pour les tâches avancées de raisonnement et de codage
- Ingestion multimodale native du texte, des images et de la vidéo au sein de la Step 5 Preview API, permettant un traitement unifié des documents, captures d'écran, graphiques et contenus vidéo courts
- Une fenêtre de contexte de 1 million de tokens associée à l'appel d'outils, des sorties structurées et des contrôles d'effort de raisonnement pour les flux de travail d'agents à longue durée d'exécution et la synthèse de connaissances volumineuses
Step 5 Preview API Spécifications techniques
Architecture
Le modèle utilise une architecture éparse Mixture-of-Experts optimisée pour les charges de travail d'agents à grande échelle. Step 5 Preview compte 600 milliards de paramètres au total, avec 27 milliards de paramètres activés par token, équilibrant un raisonnement à haute capacité et un calcul par token plus efficace qu'un modèle dense de taille totale similaire. La Step 5 Preview API prend en charge nativement les entrées texte, image et vidéo et produit des sorties textuelles, tout en exposant le streaming, l'appel d'outils, le JSON Mode, les sorties JSON Schema, le prompt caching et des niveaux d'effort de raisonnement sélectionnables (low, medium et high).
Paramètres
Step 5 Preview fonctionne à très grande échelle avec 600 milliards de paramètres au total et 27 milliards de paramètres actifs par token. Il prend en charge une fenêtre de contexte de 1 048 576 tokens, ce qui est suffisamment important pour l'analyse multi-documents, les grandes bases de code, les traces d'outils étendues et l'exécution continue d'agents. Pour les requêtes multimodales, la Step 5 Preview API prend en charge jusqu'à 60 images par requête aux formats JPG, JPEG, PNG, WebP et GIF statique, ainsi que les entrées vidéo aux formats MP4, QuickTime et Matroska, des fichiers MP4 individuels de moins de 128 Mo et de moins de 5 minutes étant recommandés.
Capacités
- Compréhension et raisonnement à long contexte sur de très grands documents, des sources multiples, des sorties d'outils et l'état des tâches en cours
- Assistance en programmation et ingénierie logicielle dans plusieurs langages, y compris la localisation de bugs, la modification de code et la recommandation de tests
- Tâches d'agent à plusieurs étapes utilisant des outils pour extraire des informations, traiter des documents et générer des sorties structurées via la Step 5 Preview API
- Compréhension multimodale pour les captures d'écran, les graphiques, les questions-réponses basées sur des images et le résumé ou l'interprétation de courtes vidéos
Limitations
- La sortie est uniquement textuelle, de sorte que la Step 5 Preview API peut analyser des images et des vidéos mais ne génère pas de réponses sous forme d'image, d'audio ou de vidéo
- Le traitement vidéo est plus adapté aux fichiers relativement courts, des fichiers MP4 de moins de 128 Mo et de moins de 5 minutes étant recommandés, ce qui limite les flux de travail vidéo longs
Step 5 Preview API Performance
Points forts
- Performances de niveau frontière en ingénierie logicielle et travail de connaissances professionnel, en particulier pour les tâches à long contexte et augmentées par des outils
- Résultats particulièrement solides en raisonnement et analyse financiers, rendant la Step 5 Preview API très adaptée aux domaines professionnels à forte intensité documentaire
- Excellente compréhension multimodale combinant le raisonnement textuel avec la lecture de graphiques, l'interprétation de captures d'écran et la compréhension de vidéos courtes
- Prise en charge fiable des charges de travail structurées et d'agents grâce au streaming, aux sorties JSON, aux contrôles de raisonnement et au prompt caching
Efficacité en conditions réelles
En utilisation pratique, Step 5 Preview est le plus efficace lorsqu'une application doit combiner l'ingestion d'un grand contexte, un raisonnement à plusieurs étapes et un contrôle du flux de travail natif de l'API. La Step 5 Preview API correspond parfaitement aux assistants qui doivent lire de longs rapports, parcourir des dépôts de code, inspecter des captures d'écran, résumer de courtes vidéos et appeler des outils sans perdre la continuité des tâches. Sa grande fenêtre de contexte réduit la fragmentation entre les requêtes, tandis que les sorties structurées et les contrôles d'effort de raisonnement améliorent l'intégration dans les systèmes d'entreprise nécessitant un formatage prévisible, de l'orchestration et des sorties vérifiables.
Step 5 Preview API Quand l'utiliser
Scénarios
- Vous disposez d'une équipe d'ingénierie logicielle qui a besoin d'aide pour naviguer dans un grand dépôt, identifier les régressions, proposer des modifications de code et recommander des tests ciblés. La Step 5 Preview API est idéale car elle combine de fortes performances de codage avec une fenêtre de contexte de 1 million de tokens, lui permettant de raisonner sur du code étendu, des descriptions de tickets et des sorties d'outils au sein d'un même flux de travail. Cela peut réduire le temps de tri manuel, améliorer la productivité des développeurs et soutenir un débogage et des correctifs plus cohérents sur des modifications touchant plusieurs fichiers.
- Vous avez un flux de travail de recherche, juridique ou d'opérations financières qui nécessite de lire de nombreux documents longs, de comparer des sources, d'extraire des conclusions et de renvoyer des résultats structurés. La Step 5 Preview API s'adapte à ce scénario car elle est optimisée pour le raisonnement à long contexte et le travail de connaissances professionnel, avec une force particulière dans la finance. Elle peut traiter de grands volumes de documents avec moins de passages de témoins, préserver les relations entre documents et fournir des sorties au format JSON plus faciles à valider, automatiser et intégrer dans les systèmes d'entreprise en aval.
- Vous avez une tâche de support ou d'analyse multimodale impliquant des captures d'écran, des graphiques, des images de produits et de courtes vidéos aux côtés d'instructions ou de questions écrites. La Step 5 Preview API est un choix judicieux car elle accepte nativement les entrées texte, image et vidéo dans un seul modèle, permettant à un flux de travail unique d'interpréter des preuves visuelles et d'expliquer les conclusions par écrit. Cela améliore l'efficacité opérationnelle pour des cas d'utilisation tels que la revue de tableaux de bord, l'analyse de graphiques, le dépannage par capture d'écran et la synthèse concise de vidéos sans avoir à construire des pipelines distincts par modalité.
Meilleures pratiques
- Utilisez la Step 5 Preview API avec des modes de sortie structurée tels que le JSON Mode ou JSON Schema lors de l'intégration avec des flux de travail d'entreprise, des pipelines d'analyse ou des agents basés sur des outils nécessitant des réponses prévisibles et lisibles par machine
- Sélectionnez les niveaux d'effort de raisonnement en fonction de la complexité de la tâche et combinez le prompt caching, l'appel d'outils et les entrées à long contexte pour améliorer la cohérence et l'efficacité dans les flux de travail répétés ou à plusieurs étapes
- Fournissez un cadrage clair de la tâche, des documents pertinents et des entrées spécifiques aux modalités en même temps afin que la Step 5 Preview API puisse raisonner sur du code, du texte, des images et de courtes vidéos au sein d'un seul contexte cohérent