Step 5 Preview API
출시 예정에이전트 작업, 코딩, 긴 컨텍스트 추론, 문서 분석 및 비디오 이해를 위한 StepFun의 2026년 주력 멀티모달 MoE 모델입니다.
Step 5 Preview API 배경
개요
Step 5 Preview는 모델 ID step-5-preview 아래 Step 5 Preview API로 제공되는 에이전트 작업을 위한 StepFun의 2026년 주력 모델입니다. 이 모델은 요구 사항이 까다로운 소프트웨어 공학, 긴 컨텍스트 추론, 멀티모달 분석 및 전문 지식 작업을 위해 설계되었으며, 특히 금융 지향 워크플로에서 두드러진 강점을 보입니다. 텍스트, 이미지, 비디오 입력을 수용하고 텍스트 출력을 반환하여 대규모 문서 집합을 읽고, 시각적 자료를 검토하며, 도구를 호출하고, 복잡한 다단계 작업 전반에 걸쳐 진행 상황을 유지해야 하는 API 기반 어시스턴트에 적합합니다.
개발 과정
2026년에 출시된 Step 5 Preview는 고도화된 에이전트 애플리케이션 및 프로덕션 지향 지식 작업을 위한 StepFun의 프론티어 프리뷰 모델입니다. Step 5 Preview API는 특히 긴 컨텍스트와 도구 사용이 중요한 소프트웨어 공학 및 전문 추론 분야에서 최고 수준의 성능을 중심으로 포지셔닝되었습니다. 출시 당시 희소 Mixture-of-Experts 스케일링, 1,048,576토큰 컨텍스트 창, 멀티모달 입력 지원, 스트리밍, JSON 출력, JSON Schema, 프롬프트 캐싱, 복잡한 워크플로를 위한 설정 가능한 추론 노력(reasoning effort)과 같은 구조화된 API 기능의 결합을 강조했습니다.
주요 혁신
- 총 6000억 개의 파라미터 중 토큰당 270억 개만 활성화되는 희소 Mixture-of-Experts 아키텍처를 적용하여 고도화된 추론 및 코딩 작업의 스케일 효율성을 향상
- Step 5 Preview API 내에서 텍스트, 이미지, 비디오 전반에 걸친 네이티브 멀티모달 처리를 지원하여 문서, 스크린샷, 차트 및 짧은 비디오 콘텐츠의 통합 처리 가능
- 100만 토큰 컨텍스트 창과 도구 호출, 구조화된 출력, 추론 노력 제어 기능이 결합되어 장시간 실행되는 에이전트 워크플로 및 대규모 지식 종합 지원
Step 5 Preview API 기술 사양
구조
이 모델은 대규모 에이전트 워크플로에 최적화된 희소 Mixture-of-Experts 아키텍처를 사용합니다. Step 5 Preview는 총 6000억 개의 파라미터를 보유하며 토큰당 270억 개의 파라미터가 활성화되어, 유사한 전체 크기의 덴스(dense) 모델보다 더 효율적인 토큰당 연산으로 고용량 추론의 균형을 맞춥니다. Step 5 Preview API는 텍스트, 이미지, 비디오 입력을 네이티브로 지원하고 텍스트 출력을 생성하는 동시에 스트리밍, 도구 호출, JSON Mode, JSON Schema 출력, 프롬프트 캐싱, low, medium, high 선택이 가능한 추론 노력 수준을 제공합니다.
파라미터
Step 5 Preview는 총 6000억 개의 파라미터와 토큰당 270억 개의 활성 파라미터를 갖춘 매우 대규모로 작동합니다. 다중 문서 분석, 대규모 코드베이스, 광범위한 도구 추적 및 지속적인 에이전트 실행에 충분한 1,048,576토큰의 컨텍스트 창을 지원합니다. 멀티모달 요청의 경우, Step 5 Preview API는 요청당 JPG, JPEG, PNG, WebP 및 정적 GIF 형식의 이미지를 최대 60개까지 지원하며, MP4, QuickTime, Matroska 형식의 비디오 입력을 지원합니다. 개별 MP4 파일의 경우 128 MB 미만 및 5분 미만을 권장합니다.
기능
- 매우 큰 문서, 다양한 출처, 도구 출력 및 진행 중인 작업 상태 전반에 걸친 긴 컨텍스트 이해 및 추론
- 버그 위치 파악, 코드 수정, 테스트 추천을 포함하여 다양한 언어에 걸친 프로그래밍 및 소프트웨어 공학 지원
- Step 5 Preview API를 통해 도구를 사용하여 정보를 검색하고 문서를 처리하며 구조화된 출력을 생성하는 다단계 에이전트 작업
- 스크린샷, 차트, 이미지 기반 질의응답, 짧은 비디오 요약 또는 해석에 대한 멀티모달 이해
한계
- 출력은 텍스트 전용이므로 Step 5 Preview API는 이미지와 비디오를 분석할 수 있지만 이미지, 오디오 또는 비디오 응답을 생성하지는 않음
- 비디오 처리는 상대적으로 짧은 파일에 가장 적합하며, 128 MB 미만 및 5분 미만의 MP4 파일을 권장하므로 장시간 비디오 워크플로에는 제한이 있음
Step 5 Preview API 성능
장점
- 특히 긴 컨텍스트 및 도구 증강 작업에서 소프트웨어 공학 및 전문 지식 작업의 최고 수준 성능
- 금융 관련 추론 및 분석에서 특히 뛰어난 결과를 보여 Step 5 Preview API가 문서 비중이 높은 전문 분야에 매우 적합함
- 텍스트 추론과 차트 읽기, 스크린샷 해석, 짧은 비디오 이해를 결합한 강력한 멀티모달 이해력
- 스트리밍, JSON 출력, 추론 제어, 프롬프트 캐싱을 통한 구조화된 워크플로 및 에이전트 워크플로에 대한 안정적인 지원
실제 효과
실제 사용에서 Step 5 Preview는 애플리케이션이 대용량 컨텍스트 수용, 다단계 추론 및 API 네이티브 워크플로 제어를 결합해야 할 때 가장 효과적입니다. Step 5 Preview API는 작업 연속성을 잃지 않으면서 긴 보고서를 읽고, 코드 리포지토리를 탐색하고, 스크린샷을 검토하며, 짧은 비디오를 요약하고, 도구를 호출해야 하는 어시스턴트에 잘 맞습니다. 이 모델의 긴 컨텍스트 창은 요청 간 파편화를 줄여주며, 구조화된 출력 및 추론 노력 제어 기능은 예측 가능한 형식 지정, 오케스트레이션 및 감사 가능한 출력이 필요한 엔터프라이즈 시스템과의 통합을 개선합니다.
Step 5 Preview API 언제 사용하나요
시나리오
- 대규모 리포지토리 탐색, 회귀(regression) 식별, 코드 변경 제안 및 맞춤형 테스트 추천에 도움이 필요한 소프트웨어 공학 팀이 있는 경우. Step 5 Preview API는 강력한 코딩 성능과 100만 토큰 컨텍스트 창을 결합하여 하나의 워크플로에서 광범위한 코드, 이슈 설명, 도구 출력을 추론할 수 있으므로 이상적입니다. 이를 통해 수동 분류 시간을 줄이고, 개발자 생산성을 향상시키며, 다중 파일 변경 전반에 걸쳐 보다 일관된 디버깅 및 복구를 지원할 수 있습니다.
- 수많은 긴 문서를 읽고, 출처를 비교하며, 결론을 도출하고, 구조화된 결과를 반환해야 하는 연구, 법률 또는 금융 운영 워크플로가 있는 경우. Step 5 Preview API는 긴 컨텍스트 추론과 전문 지식 작업에 최적화되어 있고 특히 금융 분야에 강점이 있어 이 시나리오에 적합합니다. 더 적은 단계를 통해 대량의 자료를 처리하고, 문서 간 관계를 보존하며, 검증, 자동화 및 하위 비즈니스 시스템으로의 통합이 더 용이한 JSON 형식의 출력을 전달할 수 있습니다.
- 서면 지침이나 질문과 함께 스크린샷, 차트, 제품 이미지, 짧은 비디오가 포함된 멀티모달 지원 또는 분석 작업이 있는 경우. Step 5 Preview API는 단일 모델 내에서 텍스트, 이미지, 비디오 입력을 네이티브로 수용하므로 단일 워크플로에서 시각적 증거를 해석하고 결과를 텍스트로 설명할 수 있어 훌륭한 선택입니다. 이를 통해 별도의 모달리티 전용 파이프라인을 구축하지 않고도 대시보드 검토, 차트 분석, 스크린샷 문제 해결, 간결한 비디오 요약과 같은 사용 사례의 운영 효율성을 향상시킵니다.
모범 사례
- 예측 가능한 기계 읽기 가능 응답이 필요한 비즈니스 워크플로, 분석 파이프라인 또는 도구 기반 에이전트와 통합할 때는 Step 5 Preview API를 JSON Mode 또는 JSON Schema와 같은 구조화된 출력 모드와 함께 사용하십시오.
- 작업 복잡성에 따라 추론 노력 수준을 선택하고 프롬프트 캐싱, 도구 호출, 긴 컨텍스트 입력을 결합하여 반복적이거나 다단계인 워크플로에서 일관성과 효율성을 향상시키십시오.
- Step 5 Preview API가 단일한 일관된 컨텍스트 내에서 코드, 텍스트, 이미지, 짧은 비디오 전반을 추론할 수 있도록 명확한 작업 프레임, 관련 문서 및 모달리티별 입력을 함께 제공하십시오.