挤进全球开源TOP3，阶跃星辰离“不可替代”还有多远？|智能体|神经网络|算法|编程|阶跃星辰

作者：快思慢想研究院院长田丰，每日经济新闻郑欣蔚

开篇　传播最快的是分数，最难核实的是分母

大模型行业有个心照不宣的规律：评测分数负责上热搜，分母负责被追问。

9月20日，正处于赴港IPO（首次公开募股）关键窗口的阶跃星辰，发布新一代开源旗舰基座模型Step 5 Preview：总参数600B，激活参数27B，稀疏MoE（混合专家）架构，100万Token（词元）上下文。在全球权威的Artificial Analysis综合智能指数（下称AA指数）上，它拿到44分，跻身全球开源模型前三。

图 Artificial Analysis网站

这次发布最响亮的数字另有其人：单任务成本仅为Claude Opus 5的1/8。阶跃星辰的解读是，同样成本能换来更强智能，同等能力能以更低成本投入实际工作，“进一步推动AI模型的帕累托前沿”。

帕累托前沿本是经济学里的一条边界线，线上的每一点，想再改进一项指标，就得牺牲另一项。换成大模型的语言，一头是钱包，一头是智商。阶跃星辰想证明，这条线还能往外推一推。

从今年2月的Step 3.5 Flash、5月的Step 3.7 Flash到这次的Step 5 Preview，阶跃星辰三代基座反复追问同一件事：怎样把每一份算力，更划算地变成智能？

答卷成色如何？“1/8”的分母靠不靠得住？快思慢想研究院院长田丰在接受《每日经济新闻》记者采访时，先给了一句评语：“这是一次教科书式的达标交卷，但离真正的代际跃迁还差一步。”

一、榜单上的一分之差，多半只是统计噪声

先看分数。AA指数上，Step 5 Preview与Kimi K3同为44分，智谱GLM-5.3为45分（精确值44.9分），DeepSeek V4.1 Flash为39分。国产模型里，排在Step 5 Preview前面的只有45分档的Qwen3.8 Max和GLM-5.3。

图：阶跃星辰官网

名次泾渭分明，统计学却不太买账。田丰指出，Artificial Analysis官方方法论披露，该指数的95%置信区间小于±1%。44分、44分与44.9分，差距大概率落在统计噪声里，好比早高峰挤进同一节车厢的三位乘客，很难说清谁先上的车；44分与GPT-5.6 Sol的47分之间，才大概率隔着真实的距离。

诺贝尔经济学奖得主丹尼尔·卡尼曼与合作者阿莫斯·特沃斯基，曾把一种常见偏差命名为“小数定律”：人们总爱从有限的数据里读出过多含义。“媒体喜欢把‘名次’读成‘代差’，这是一种系统性误读。”田丰说。

节奏又把含金量摊薄了一层。国产大模型进入“月更”乃至“周更”的锦标赛，三个44分级模型挤在同一格，任何一次“进前三”的边际信息量都在缩水。古德哈特定律说得透：指标一旦成了目标，就不再是好指标。

田丰的判断是，Step 5 Preview更接近一次节奏性更新；算不算实质跃迁，要看下一代模型环比提升的斜率能否跑赢行业均线。

二、同样的44分，一个在打“新地基”，一个在“精装修老房”

总分相同，长相可以南辕北辙。

与近期引发广泛关注的2.8万亿参数模型Kimi K3相比，Step 5 Preview以约五分之一的参数体量拿到同分。智能体编程任务上，Step 5的吞吐量为每秒99.8个Token，约为K3（每秒39.3个）的2.5倍；按AA测算的单任务成本，Step 5是0.71美元，K3是2美元。K3也有看家长板：长上下文测评AA-LCR拿到89%，Step 5尚未公布对应成绩。

“一个总分背后，是两种完全不同的能力配方。”在田丰看来，与其争谁更强，不如问谁更适合干哪类活。

两个44分档位的“成色”也不同。据智谱联合创始人唐杰公开表述，GLM-5.3沿用GLM-5.2基座，纯靠后训练把编程能力拉高了50%；Step 5 Preview则是一次全新的基座训练。

田丰比喻为：“一个是老底子上的精装修，一个是新地基上的毛坯房，谁的进步更扎实，答案不言自明。”

纯后训练路线的投入产出比正在变得极具竞争力，这本身就是一个值得警惕的信号。装修队干活的速度，正在逼着打地基的人加快进度。

三、被资源逼出来的节俭，最后练成了看家本领

阶跃星辰的算盘写在明处：过去Scaling（规模化扩展）靠用更多计算换更强智能，如今模型变大、任务变复杂，算力账单水涨船高，下一阶段的关键是提升算力转化为智能的效率。当Agent从“回答问题”走向“完成任务”，主力模型要在能力、成本、效率与场景覆盖之间找平衡。

田丰的评价是：“资源受限倒逼出来的战略选择，倒逼久了，练成了看家本领。”相较头部厂商，阶跃的算力禀赋并不占优。这与任正非讲的“备胎计划”逻辑相通：家底不厚，就把算力用在刀刃上，长出“少算力、高转化”的工程能力。生存选择做到极致，便成了差异化优势。

参数曲线就是账本。Step 3.5 Flash总参数196B、激活11B，Step 3.7 Flash为198B、激活11B，两代体量几乎原地踏步，刻意保持规模、死磕效率；到Step 5 Preview才真正扩容至600B、激活27B。这条路没有一路线性放大稀疏度，先在小规模上练到位、验证清楚，再决定扩不扩容，比“越做越大”多一层资源集约、自我约束。

在田丰看来，这是行业规律使然。他援引Anthropic CEO达里奥·阿莫代伊的判断：规模定律没有失效，但算力转化为智能的效率，正成为新的竞争维度。芯片史演过同样的剧情：2005年前后“登纳德缩放”失效，摩尔定律下堆晶体管的边际效益递减，竞争焦点从“数量”转向“每瓦性能”。“阶跃只是在这条曲线上跑得比较早、比较坚决的一个，方向是行业的必然，节奏是阶跃自己的选择。”

四、便宜要看跟谁比，数字要看怎么算

亚马逊创始人杰夫·贝佐斯有句名言：“你的利润就是我的机会。”拿市面上最贵的模型之一做参照，是展示性价比最省力的办法。阶跃星辰选中的，正是Claude Opus 5。

换个参照系，画面就变了。此前DeepSeek已用V4系列的极致低价，重新定义了开源模型的成本地板。AA测算口径下，参数规模相近的DeepSeek V4.1 Flash完成标准智能任务的加权平均成本为0.27美元，Step 5 Preview为0.71美元；API单价上，V4.1 Flash输入0.3美元、输出1.2美元，Step 5 Preview分别为1美元和2.7美元。田丰直言：Step 5的“低价”只是比贵的模型便宜，并未触及行业真正的成本地板，“这是一句需要辩证来看的话术”。

算法同样要追问。上一代Step 3.7 Flash那组广为流传的“1/9成本、97%能力”，田丰查证官方博客原文后发现，出自一种名为Advisor Mode的混合调用策略：Step 3.7 Flash跑出76.3%、0.19美元，对照的是Claude Opus 4.6同策略下的78.7%、1.76美元。换到标准SWE-Bench Pro测试，Step 3.7 Flash裸成绩56.3%，Claude Opus 4.7为64.3%，实打实差了8个百分点。阶跃尚未披露“1/8”的测算口径。

五、价格是牌桌的入场券，技术代差才是护城河

成本优势到底值多少？田丰的定性是：它能帮你坐上牌桌，却很难一直守住城池。

第一道坎是硬件规律。推理硬件的性能提升速度，决定了全行业推理成本大约每12到18个月下降2到3倍。这是行业级的潮水，任何一家公司都挡不住。今天的价格代差，明天会被整体成本下降自然填平。

第二道坎是生态。巴菲特把企业持久的竞争优势比作“护城河”，任正非讲“力出一孔，利出一孔”。成本优势要沉淀为壁垒，得配上规模化的分发渠道与生态绑定：Claude靠企业级Agent生态的粘性，DeepSeek靠庞大开发者群体形成的路径依赖。阶跃手里主要还是价格这一张牌，牌面单薄，既可能被更大玩家的补贴战淹没，也可能被行业成本曲线抹平。

好在价格战本就不在阶跃的主牌里。成本优势是结果，效率是方法；低价标签来得快、散得也快，持续下压成本曲线的工程能力却能留下来。阶跃要比的，是在同样的参数体量下跑出更强的智能。田丰的结论是：真正能沉淀为壁垒的，只有持续跑赢行业均线的技术代差，价格代差撑不了太久。

六、编程赛道上，分数撬不动开发者的“肌肉记忆”

阶跃星辰把Step 5 Preview的重点检验场景锚定在AI编程和金融，这个组合耐人寻味。田丰的总评只有四个字：知易行难。

编程是大模型商业化最成熟的场景，也是最拥挤的红海。IDC数据显示，2025年中国AI编程市场规模为3.99亿元，预计2026年底将飙升至11.73亿元，接近3倍。阿里在这一市场占有近50%份额；在SWE-bench上长期领先的智谱GLM系列在企业级市场攻城略地；Kimi以超长上下文建立差异化口碑；DeepSeek同样拥有大批开发者拥趸。

Step 5 Preview的答卷并不寒碜：软件工程测试DeepSWE v1.1得分67.7%，略高于Kimi K3与GLM-5.3。

可田丰提醒，用户心智早已变成一道“转换成本”的经济学题。智谱的GLM Coding Plan、Kimi的K2/K2.7已扎根于开发者的IDE插件、订阅习惯与工作流，就算Step 5 Preview分数打平甚至反超，迁移也意味着重新集成工具链的沉没成本。诺贝尔经济学奖得主赫伯特·西蒙说过，信息的丰富造成注意力的贫乏。模型越多，开发者的注意力越金贵。

更要紧的是，编程智能体的胜负手已转向agentic loop（智能体循环）能否稳定跑通、工具调用会不会中途“掉链子”。田丰指出，Claude Code团队的产品实践说明，决定用户留存的是端到端的可靠性。“阶跃不能只拿分数吸引开发者迁移。”

七、金融这片“蓝海”，早已泊满了先到的船

金融是另一个故事。阶跃星辰选它做核心验证场景，看中的是难度：金融连接宏观经济、政策监管、行业周期与公司经营，要求模型兼具专业知识、跨行业理解、证据核验与复杂问题拆解能力。Step 5 Preview在金融基准测试Frontier Finance上的得分，高于GLM-5.3、Kimi K3与DeepSeek V4.1 Flash。

可蓝海并不空旷。9月17日，Kimi发布金融行业解决方案，涵盖超10项权威数据源、9项金融技能、5项合规安全措施，以及机构级数据建模和报告交付能力，同时官宣数十家金融机构合作伙伴；它已接入Wind、标普，与中金、中信建投、蚂蚁集团均有合作。智谱已在多家银行部署落地，绑定中泰证券，今年6月又与中国银联签署战略合作协议。券商们也在自研垂类模型与智能体工具。

大洋彼岸同样热闹。Anthropic今年5月推出金融版Claude（Claude for Financial Services），9月再推面向理财与金融顾问的Claude for Financial Advisors；OpenAI也在9月推出金融版ChatGPT（ChatGPT for Financial Services）。截至今年7月，金融服务与保险已占Anthropic年度经常性收入的25%，仅次于编程与软件工程的36%；Anthropic内部预计，金融有望在2027年反超编程，成为其最大的垂直应用市场。

八、后来者的船票，是先学会被别人集成

阶跃星辰创始人、CEO姜大昕近日公开表示，垂类大模型正与金融行业生产系统加速融合，背后是模型从单点应用能力向基础设施的跃迁。

方向没错，时钟却不等人。田丰认为，金融看似蓝海，拼的其实是生态，模型分数排在后面。先发者的生态绑定已筑起时间壁垒：金融机构的合作决策，通常要走1到2年的数据安全与合规审查。阶跃作为后来者，即便模型能力对标Opus，也大概率错过了先发红利期。

他给出的路线图很务实：比起直接拿下金融机构的订单，更现实的是凭性价比“被集成”进别人的方案里。先借船，再造船。

归根结底，阶跃要证明的，除了测评分数上的领先，还有模型与智能体产品能否嵌入更多金融机构的核心业务。编程赛道的心智壁垒需要时间去撬，金融赛道的落地需要案例去证。

从Step 3.5 Flash到Step 5 Preview，阶跃在效率赛道上的执行力足够坚决，这一次也把自己重新送进了开源第一阵营。可执行力与胜利之间还隔着一段路，从“第一阵营”到“不可替代”，难题还摆在桌上。

结语　斜率决定速度，口径决定信任

Step 5 Preview的数据是真实的，工程是扎实的。它是阶跃星辰在效率这条自选赛道上又往前跑的一步，但改变竞争格局，还要看下一次。

当“月更”成了常态，“分数领先”这件事越来越不值钱。真正值钱的，是在成本曲线与智能曲线之间，持续跑出比对手更陡的斜率。

分子决定一家公司能跑多快，分母决定它说的话能被相信多久。