阶跃今天（9 月 20 号）把 Step 5 Preview 端出来了，600B 总参、激活才 27B，激活比 4.5%。1M 上下文，原生多模态，Transformer 直接堆到 92 层。

阶跃的逻辑我倒觉得实在：
模型的"大"是手段不是目的。复杂 Agent 任务里多跳依赖一堆，工具调用又带来超长 Prefill，信息得沿深度一层层传——网络不够深，隐式推理就做不完。92 层极难训，数值爆炸、梯度尖峰分分钟教你做人，他们专门优化才稳住。

真正亮眼的，是它讲的"帕累托前沿"。图上蓝线压在分离点，右侧标 ~65% Cost。
翻译过来就一句大白话：同样聪明没它便宜，同样便宜没它聪明。跑完一道 AA 任务平均 0.71 美元，新的可用边界划出来了。

成本怎么压？双重稀疏——Sparse MoE 加 Sparse GQA，百万 token 时靠稀疏索引只挑相关历史。算法稀疏不等于系统更快，又用 Block-wise Token Merging 把索引成本降 8 倍。

10 月 15 号开源，现在产品和 API 已能用。
#ai #ai工具 #大模型 #阶跃