Step 5 Preview API
Em BreveModelo MoE multimodal flagship de 2026 da StepFun para trabalho agêntico, programação, raciocínio de longo contexto, análise de documentos e compreensão de vídeo.
Step 5 Preview API Contexto
Visão Geral
O Step 5 Preview é o modelo flagship de 2026 da StepFun para trabalho agêntico, disponibilizado como a Step 5 Preview API sob o ID de modelo step-5-preview. Ele foi projetado para engenharia de software exigente, raciocínio de longo contexto, análise multimodal e tarefas de conhecimento profissional, com destaque notável em fluxos de trabalho orientados a finanças. O modelo aceita entradas de texto, imagem e vídeo e retorna saída em texto, tornando-o adequado para assistentes orientados por API que precisam ler grandes conjuntos de documentos, inspecionar materiais visuais, chamar ferramentas e manter o progresso em tarefas complexas de múltiplas etapas.
Histórico de Desenvolvimento
Lançado em 2026, o Step 5 Preview representa o modelo de pré-visualização flagship da StepFun para aplicações agênticas avançadas e trabalho de conhecimento orientado à produção. A Step 5 Preview API foi posicionada em torno de um desempenho de nível de fronteira em engenharia de software e raciocínio profissional, especialmente onde longo contexto e uso de ferramentas são importantes. Seu lançamento enfatizou uma combinação de dimensionamento Mixture-of-Experts esparso, uma janela de contexto de 1.048.576 tokens, suporte a entrada multimodal e recursos de API estruturados, como streaming, saídas JSON, JSON Schema, prompt caching e esforço de raciocínio configurável para fluxos de trabalho complexos.
Principais Inovações
- Arquitetura Mixture-of-Experts esparsa com 600 bilhões de parâmetros totais e apenas 27 bilhões ativados por token, aumentando a eficiência de escala para tarefas avançadas de raciocínio e programação
- Ingestão multimodal nativa em texto, imagens e vídeo dentro da Step 5 Preview API, permitindo a manipulação unificada de documentos, capturas de tela, gráficos e conteúdos de vídeo curtos
- Uma janela de contexto de 1 milhão de tokens combinada com chamada de ferramentas, saída estruturada e controles de esforço de raciocínio para fluxos de trabalho de agentes de longa duração e síntese de grande volume de conhecimento
Step 5 Preview API Especificações Técnicas
Arquitetura
O modelo usa uma arquitetura Mixture-of-Experts esparsa otimizada para cargas de trabalho agênticas em grande escala. O Step 5 Preview possui 600 bilhões de parâmetros totais, com 27 bilhões de parâmetros ativados por token, equilibrando raciocínio de alta capacidade com uma computação por token mais eficiente do que um modelo denso de tamanho total similar. A Step 5 Preview API suporta nativamente entrada de texto, imagem e vídeo e produz saída em texto, ao mesmo tempo em que expõe streaming, chamada de ferramentas, JSON Mode, saída JSON Schema, prompt caching e níveis selecionáveis de esforço de raciocínio: baixo, médio e alto.
Parâmetros
O Step 5 Preview opera em uma escala muito grande com 600 bilhões de parâmetros totais e 27 bilhões de parâmetros ativos por token. Ele suporta uma janela de contexto de 1.048.576 tokens, o que é substancial o suficiente para análise de múltiplos documentos, bases de código grandes, rastros extensos de ferramentas e execução contínua de agentes. Para requisições multimodais, a Step 5 Preview API suporta até 60 imagens por requisição nos formatos JPG, JPEG, PNG, WebP e GIF estático, além de entrada de vídeo em MP4, QuickTime e Matroska, sendo recomendados arquivos MP4 individuais com menos de 128 MB e menos de 5 minutos.
Capacidades
- Compreensão e raciocínio de longo contexto em documentos muito grandes, múltiplas fontes, saídas de ferramentas e estado contínuo de tarefas
- Assistência em programação e engenharia de software em várias linguagens, incluindo localização de bugs, modificação de código e recomendação de testes
- Tarefas agênticas de múltiplas etapas usando ferramentas para recuperar informações, processar documentos e gerar saídas estruturadas por meio da Step 5 Preview API
- Compreensão multimodal para capturas de tela, gráficos, perguntas e respostas baseadas em imagens e resumos ou interpretação de vídeos curtos
Limitações
- A saída é apenas de texto, de modo que a Step 5 Preview API pode analisar imagens e vídeos, mas não gera respostas em imagem, áudio ou vídeo
- O manuseio de vídeo é mais adequado para arquivos relativamente curtos, sendo recomendados arquivos MP4 com menos de 128 MB e menos de 5 minutos, o que limita fluxos de trabalho com vídeos de longa duração
Step 5 Preview API Desempenho
Pontos Fortes
- Desempenho de nível de fronteira em engenharia de software e trabalho de conhecimento profissional, especialmente para tarefas de longo contexto e aumentadas por ferramentas
- Resultados particularmente fortes em raciocínio e análise financeira, tornando a Step 5 Preview API muito adequada para domínios profissionais com alta densidade de documentos
- Forte compreensão multimodal que combina raciocínio textual com leitura de gráficos, interpretação de capturas de tela e compreensão de vídeos curtos
- Suporte confiável para cargas de trabalho estruturadas e agênticas por meio de streaming, saídas JSON, controles de raciocínio e prompt caching
Eficácia no Mundo Real
No uso prático, o Step 5 Preview é mais eficaz quando uma aplicação precisa combinar ingestão de grande contexto, raciocínio em múltiplas etapas e controle de fluxo de trabalho nativo da API. A Step 5 Preview API é ideal para assistentes que devem ler relatórios extensos, percorrer repositórios de código, inspecionar capturas de tela, resumir vídeos curtos e chamar ferramentas sem perder a continuidade da tarefa. Sua longa janela de contexto reduz a fragmentação entre requisições, enquanto os controles de saída estruturada e esforço de raciocínio melhoram a integração com sistemas corporativos que exigem formatação previsível, orquestração e saídas auditáveis.
Step 5 Preview API Quando Usar
Cenários
- Você possui uma equipe de engenharia de software que precisa de ajuda para navegar em um grande repositório, identificar regressões, propor alterações de código e recomendar testes direcionados. A Step 5 Preview API é ideal porque combina forte desempenho em programação com uma janela de contexto de 1 milhão de tokens, permitindo raciocinar sobre códigos extensos, descrições de problemas e saídas de ferramentas em um único fluxo de trabalho. Isso pode reduzir o tempo de triagem manual, aumentar a produtividade dos desenvolvedores e apoiar a depuração e correção mais consistentes em alterações de múltiplos arquivos.
- Você possui um fluxo de trabalho de pesquisa, operações jurídicas ou financeiras que exige a leitura de muitos documentos longos, comparação de fontes, extração de conclusões e retorno de resultados estruturados. A Step 5 Preview API se adapta a esse cenário porque é otimizada para raciocínio de longo contexto e trabalho de conhecimento profissional, com força particular em finanças. Ela pode processar grandes volumes de material em menos etapas, preservar relações entre documentos e fornecer saídas formatadas em JSON que são mais fáceis de validar, automatizar e integrar em sistemas de negócios downstream.
- Você possui uma tarefa de suporte multimodal ou análise que envolve capturas de tela, gráficos, imagens de produtos e vídeos curtos juntamente com instruções ou perguntas por escrito. A Step 5 Preview API é uma excelente escolha porque aceita nativamente entradas de texto, imagem e vídeo em um único modelo, permitindo que um único fluxo de trabalho interprete evidências visuais e explique as conclusões em texto. Isso melhora a eficiência operacional para casos de uso como revisão de painéis, análise de gráficos, solução de problemas por capturas de tela e resumos concisos de vídeo sem a necessidade de construir pipelines separados específicos por modalidade.
Melhores Práticas
- Use a Step 5 Preview API com modos de saída estruturados, como JSON Mode ou JSON Schema, ao integrar com fluxos de trabalho de negócios, pipelines de análise ou agentes baseados em ferramentas que exigem respostas legíveis por máquina previsíveis
- Selecione níveis de esforço de raciocínio com base na complexidade da tarefa e combine prompt caching, chamada de ferramentas e entradas de longo contexto para melhorar a consistência e a eficiência em fluxos de trabalho repetidos ou de múltiplas etapas
- Forneça um enquadramento claro da tarefa, documentos relevantes e entradas específicas de modalidade juntos para que a Step 5 Preview API possa raciocinar sobre código, texto, imagens e vídeos curtos em um único contexto coerente