09-19 16:15来源Blockbeats

阶跃Step 5偷跑：AA跑分追平Kimi K3，输出价不到1/5

动察 Beating AI 快讯，阶跃星辰还没正式官宣 Step 5，预览版已经提前出现在 Artificial Analysis。Step 5 Preview 是一款多模态推理模型，AA 标注其总参数约 600B、每次推理激活 27B，支持图片输入和 100 万 Token 上下文。它在最新 Intelligence Index 得到 44 分，与 Kimi K3 Max 持平。Terminal-Bench 4.0 上，Step 5 Preview 得到 33%，Kimi K3 为 13%；SciCode 两者都是 59%。 Step 5 Preview 每百万输入 Token 1 美元，输出 2.7 美元；Kimi K3 分别为 3 美元和 15 美元。Step 5 的输出价格不到 K3 的五分之一，AA 跑完整套 Intelligence Index 的成本也只有 K3 的约四分之一。阶跃星辰还没官宣 Step 5，但 AA 已经通过 StepFun API 跑完评测。参数和价格目前都还不是官方最终口径。

免责声明：以上内容仅为作者观点，不代表 711BTC 的任何立场，不构成与 711BTC 相关的任何投资建议。

相关推荐

09-05 11:13

Artificial Analysis重做智能榜：40%权重改用私有测试

动察 Beating AI 快讯，Artificial Analysis 更新 Intelligence Index v4.2，旨在让榜单更难被针对性刷分。私有测试权重从 20% 提高到 40%，模型厂商无法提前看到完整测试集，减少针对 Benchmark 专门优化的空间。新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目，模型要处理大量关联任务和数千份文件。GDP.pdf 则拿 100 份、共 4592 页的专业 PDF 出题，要求模型跨文本、表格、图表和脚注找证据再回答。 GPQA Diamond 则被直接移出综合指数。这个研究生级科学问答测试已经接近饱和，GPT-6 Astra 最高达到 96.3%，Gemini 3.8 Flash 也达到 95.3%，已经很难区分最强模型。重新计算后，Claude Fable 5.1 仍排第一，GPT-6 Astra 第二。Astra 得分 55，比 GPT-5.6 Sol 高 4 分。Artificial Analysis 还称，Astra 在同级前沿模型中用了更少的输出 Token。

09-11 07:53

Kimi K2.8 Preview全量上线：性能逼近K3，支持1M上下文

动察 Beating AI 快讯，月之暗面开始向 Kimi Code CLI 全量推送 Kimi K2.8 Preview。用户不用切换 Model ID，原来的 kimi-for-coding 会直接指向新模型。 Kimi 称，K2.8 Preview 综合性能已经接近 K3，但 thinking 效率更高。它还支持和 K3 一样的思考强度调节，并把上下文扩到 1M token。上一代 K2.7 Code 只有 256K 上下文，而且只能开启 thinking。K2.8 这次基本把 K3 上的两项核心能力下放到了默认代码模型。

09-11 05:14

DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一

动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。

08-19 01:17

GLM-5.3智能指数暴涨到60：追平Kimi K3，API单价没涨

据动察 Beating 监测，智谱正式开放 GLM-5.3 API。此前模型发布时，API 没有立即上线。与此同时，Artificial Analysis 的独立评测也出炉了：Intelligence Index 从 GLM-5.2 的 53 暴涨到 60，追平 Kimi K3，只比 GPT-5.6 Sol 低 1 分。等权重按计划公开后，它将和 Kimi K3 并列 AA 评分最高的开放权重模型。涨得最猛的是 Agent。GDPval-AA v2 的 Elo 从 1524 跳到 1770，一次涨了 246 分，排所有模型第二，仅次于 Claude Opus 5 的 1855，也比 Kimi K3 的 1668 高出 100 多分。 API 单价没有跟着涨。输入仍是每百万 Token 1.40 美元，输出 4.40 美元，缓存输入 0.26 美元，和 GLM-5.2 完全一样。不过 5.3 明显更能花 Token。AA 测得它每项任务平均输出约 1.87 万 Token，比 5.2 多 20%。因此单任务实际成本从 0.44 美元涨到 0.68 美元，贵了约 55%。即便如此，同档模型里仍比 Kimi K3 的 0.84 美元和 GPT-5.6 Sol 的 1.23 美元便宜。

09-15 08:06

阶跃StepAudio 3发布：语音推理、实时对话双榜第一

动察 Beating AI 快讯，阶跃星辰发布 StepAudio 3，一口气上线 Realtime、ASR、TTS、Gen 和 Music 五款语音模型。在 Artificial Analysis 的两项语音评测中，StepAudio 3 Realtime 都排第一。Conversational Dynamics 得分 98.9%，高于 Qwen Audio 3.0 Realtime Plus 的 98.4% 和 GPT-Realtime-2 High 的 95.3%；Speech Reasoning 得分 99.7%，同样位列第一。前者主要测模型能不能处理停顿、轮流说话、用户打断和「嗯」「对」这类附和，后者测模型能否直接听懂音频并完成推理。 ASR 也在 Artificial Analysis 非流式语音识别榜做到 1.7% WER（词错误率），与 Fun-Realtime-ASR-preview 并列第一。另外，StepAudio 3 Gen 可以一次生成人声、音效、环境声和音乐，并按场景统一编排。五款模型目前均已进入阶跃的语音产品线。

09-07 09:45

Hy4 preview优化「想太多」：复杂任务轮次和Token消耗双降

动察 Beating AI 快讯，腾讯混元和 WorkBuddy 给 Hy4 preview 做了一轮专项优化，已经在 WorkBuddy 全量上线。官方称，这次主要针对复杂任务里的长思考和过度自我验证，在不损失任务效果的前提下，显著减少任务轮次和输入、输出 token 消耗。 Hy4 preview 是腾讯 8 月底发布的开源旗舰 MoE，总参数 770B、激活参数 49B，支持 1M 上下文，重点面向代码、办公和科研等长任务。腾讯发布时就主动把「复杂任务长思考、过度自我验证」列为已知问题。