Megnyitotta a Step 5 Preview súlyait a StepFun, négy kínai chipgyártó támogatja
A 600 milliárd paraméteres modellhez azonnali hardvertámogatást ígérnek, de a letölthetőség és a kész szoftveres támogatás még nem egyértelmű.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A StepFun 2026. október 15-én bejelentette a Step 5 Preview modellsúlyainak megnyitását BF16 és FP8 változatban, négy kínai chipgyártó aznapi támogatásával.
- MIÉRT FONTOS
- A fejlesztők saját infrastruktúrán is futtathatják a nagy modellt, de ehhez jelentős hardver és egyelőre gondosan ellenőrzött szoftverkörnyezet kell.
- MI JÖN MOST
- Tisztázásra vár a Hugging Face-tárolók nyilvános hozzáférése és licence, valamint a vLLM- és SGLang-támogatás bekerülése a kiadásokba.
A StepFun október 15-én megnyitotta a Step 5 Preview súlyait, vagyis a modell működését meghatározó, saját futtatáshoz szükséges adatokat – jelentette az IT之家. A mintegy 600 milliárd paraméteres nagy nyelvi modellhez a Huawei Ascend, a MetaX, a Biren és a Moore Threads is azonnali támogatást jelentett be. A bejelentés azonban nem jelenti azt, hogy minden letöltési és telepítési út már akadálytalanul működik.
Nagy modell, részlegesen aktivált hálózat
A Pandaily szerint a modell 92 rétegű, egymillió tokenes kontextussal: ennyi szövegegységet kezelhet egy menetben. A StepFun programozásban, szoftverfejlesztésben, szakmai tudásmunkában és pénzügyi feladatokban az élmezőnybe sorolja; ez a vállalat állítása, amelyhez közvetlen teljesítményteszt-táblázatot nem közölt.
Az OrcaRouter által idézett műszaki dokumentumok mintegy 600 milliárd paramétert adnak meg, a vLLM-receptben 604 milliárd szerepel; tokenenként csak 27 milliárd aktív. A 352 specializált szakértőből egyszerre nyolcat választ ki a rendszer, mellettük egy közös szakértő működik; három további MTP-réteg több következő token előrejelzését szolgálja. A műszaki blog Sparse GQA figyelmi megoldást és hosszú feladatsorokat végrehajtó ágensek tanítását is ismerteti.
A letöltés és a kész támogatás nem ugyanaz
Az IT之家 szerint a BF16 és FP8 súlyok Hugging Face-en és ModelScope-on érhetők el. A vLLM vagy az SGLang OpenAI-kompatibilis API-kiszolgálást, a Transformers helyben végzett futtatást tesz lehetővé. Az OrcaRouter viszont a Hugging Face API-jától 401-es választ kapott, ezért ott nem tudta igazolni a nyilvános hozzáférést; a licencfájl ellenőrzése is hátravan.
Négy chipgyártó sorakozott fel mögötte
A Huawei szerint az Ascend vLLM-alapú, megjelenésnapi támogatása a súlyok közzététele után készült el, a modellhez és a hardverhez igazított optimalizálásokkal. Aznap üzembe helyezték az első, 1024 kártyás, folyadékhűtéses Atlas 950 SuperPoD-ot is. A Huawei közlése szerint a rendszer FP8-ban 1, FP4-ben 2 EFLOPS számítási teljesítményt, 256 TB globálisan egységes memóriacímzést, TB/s nagyságrendű NPU-közi kapcsolatot és akár 3 mikroszekundumos késleltetést kínál. A külföldi élvonallal való egyenértékűség szintén a Huawei állítása.
A MetaX a Xiyun C-sorozat támogatását jelentette be; közlése szerint 2025 decembere óta összesen 43 főbb modell megjelenésnapi adaptációját végezte el. A Biren vLLM-re és BIRENSUPA szoftverkörnyezetére építve ellenőrizte a működést és a pontosságot. A Moore Threads az MTT S5000 tanító- és futtatókártyát, valamint a MUSA szoftverkörnyezetet nevezte meg.
Saját hardver helyett már API-n is elérhető
Az OrcaRouter szerint az FP8-változat 773 GB videomemóriát és legalább négy GPU-t igényel, alapértelmezett B300-konfigurációval. Az NVFP4-változathoz 473 GB-ot ad meg, 320 000 tokenre állított kontextussal. Ezek nem otthoni gépre szabott követelmények.
A StepFun API-ja az OrcaRouter szerint szeptember 20. óta használható: egymillió bemeneti token gyorsítótár-találat nélkül 1 dollár, gyorsítótár-találat esetén 0,10 dollár; egymillió kimeneti token ára pedig 2,70 dollár. Az Artificial Analysis szeptember 18. óta értékeli; egy metaadat-összesítő szeptember 16-át jelöli meg, tehát nincs egységes megjelenési dátum. A súlyok októberi megnyitása külön esemény.
Az OrcaRouter összefoglalójában idézett független Artificial Analysis-mérések szerint a modell Intelligence Indexe 43,7, miközben a megjelenített érték 40. A medián kimeneti sebesség 88 token másodpercenként, az első választokenig pedig 24,7 másodperc telik el: az interaktív használatnál ez a várakozás is számít.
TECH-SZÓTÁR
- MoE, szakértőkeverék
- Olyan modellfelépítés, amely egy-egy szövegegység feldolgozásához csak bizonyos specializált részhálózatokat aktivál.
- BF16, FP8, FP4
- Eltérő számábrázolási formátumok, amelyek befolyásolják a memóriaigényt és a számítás pontosságát.
- Token
- A modell által kezelt szövegegység, amely lehet szó, szórészlet vagy írásjel.
- Inferencia
- A már betanított modell futtatása, például válasz előállítása egy kérdésre.
» Követett téma: AI · régió: KÍNA · kulcsszó: nyílt súlyú modellek, AI-chipek