2026-09-24 10:37:47 中华网
这是阶跃星辰最新的旗舰模型，官方对它的定位很明确，重点就是面向 Agent 真实任务。模型采用 MoE 架构，总参数量 600B，每个 Token 激活 27B 参数，同时支持 100 万 Token 上下文和视觉输入。官方把这个方向称为新一代智能效率的帕累托前沿.
这次 Step 5 Preview 比较值得关注的地方，就是 Coding 和长任务执行能力。从公开评测到内部测试，Step 5 Preview 在软件工程、Agent、专业工作和金融等多个方向上都取得了有竞争力的结果。
在成本上这次Step 5 Preview也有比较大的优势，百万tokens输入价格只有7元。
相比其他国产最新旗舰模型价格上也是具有优势的。
另外一个我比较感兴趣的点，就是它处理长任务的方式。
一个项目交给它之后，它可以根据运行结果继续修改、测试，再根据新的结果决定下一步怎么做。这个能力其实很适合放在 WorkBuddy 这种 Agent 环境里面测试。
所以这次我不准备只让它写一个简单页面。
我直接做一个稍微完整一点的前端项目：AI 深夜电台。
在WorkBuddy中选择代码发开任务模块。
把提示词复制到对话框中，把设计概率图也一同给到模型。
下面就等待Step-5-preview，制作出第一版网页效果。
这里可以看到，模型已经把「AI 深夜电台」的页面完整制作出来，并且还进行了实际运行验证。从项目结构也能看出来，这次模型没有把所有功能堆在一个 HTML 里面，而是按照功能进行了拆分。
除了前端页面之外，项目还拆分了播放器、实时波形、语音识别、AI 对话、语音合成等多个功能模块，同时预留了StepAudio 3的 API 配置。
还原度很高，基本达到了设计图的要求，因为中间的播放器部分如果要制作出来的话，需要制作3D模型，绑定骨骼才可以正常使用，所以这里模型就处理为了一个正常的播放器页面。
配色和样子基本上都是按照设计图和提示词来制作的。 试一下功能，点击按住说话成功吊起浏览器的麦克风权限，说明麦克风功能是没有问题的。
因为现在还是第一版，还没有配置StepAudio 3 语音功能，所以模型进行了降级处理，采用浏览器合成 / Mock合成语音，让demo更有全面，不至于语音功能为空白。
只不过这个语音就很拉胯了，声音机械感很强，而且回复的内容也很抽象。
然后我看见模型在WorkBuddy上的任务并没有停止，而是在不断的修改页面的小问题。
修改完成后模型也没有直接交付项目，而是在不断的测试。这种流程就比较智能了，因为大部分AI写的项目，模型自己会修改bug，但是一旦检测到bug已经被修改后，模型会直接生成交付语句，也就是在Agent中看见的回复内容。
比如这种
但 Step 5 Preview，并没有直接进行交付，而是不断在进行测试，测试每一个接口，每一个功能是否正常运行。
在模型自行测试的过程中不断的修复bug，优化代码。
虽然这样可能会比较消耗时间，但是从项目完成度上来讲，模型的严谨性还是很强的。
第一步就制作完成了，然后就是配置语音模型了，语音模型我也采用阶跃的语音模型：StepAudio 3 .
在阶跃星辰的开发文档里面，把语音配置信息拷贝下来，当然也可以直接把文档的链接丢给WorkBuddy，只要模型可以读取到配置信息即可。
这里我选择两个官方的音色。
等待模型识别任务继续后续的开发任务。
后续开发任务中，模型沿用了前面任务制作流程，先写代码，然后检测bug，再检测无bug后，编写测试案例，功能点通过测试案例后，模型还要删掉没用的文件，最终才形成交付文件。这套流程还是很规范的。
点击文字发送查看是否可以正常交流。
OK，文字交流没有问题，而且AI角色也是根据我的问题来进行回复我的，不是demo中固定语句。音色也得到了优化，这一版的人声更加的贴合我们的产品主题，声音温柔知性。
右边为部分配置信息，可以配置不同的音色，语音识别，还可以制作AI音乐。
点击语音合成进入到音色配置信息中，可以根据自己想喜好选择不同的音色，当然也使用其他音色，甚至开可以制作自己喜欢的音色(音色克隆)，只不过这里还没有迭代到下一个版本。
音乐生成也是比较简单的AI音乐声场，这里也是可以迭代的，通过提示词来调整音乐的生成。
最后就是语音识别功能了，实际测试下来识别也没什么问题，到这里整个 Demo 基本就制作完成了。
总体体验下来，我觉得 Step 5 Preview 做这种前端小项目最大的优点，就是它会自己判断项目当前的问题，并且主动去检测和修改代码。
很多时候我只需要把需求说清楚，后面的实现、调试、检查基本都可以交给模型自己完成，不需要我再反复提醒哪里有问题、下一步该做什么。
这样做项目的时候会省事很多，一个需求给下去，模型可以自己把整个流程继续往下推进。
因为模型Step 5 Preview本身就属于多模态，所以对设计图的理解也很到位，除了中间的留声机模型没办法制作之外，其他部分的网页设计基本上都是按照设计图来开发的。
后续如果要继续迭代功能的话，那么就需要数据库了，把用户的数据存入进去，然后制作一个简单的知识库保留用户的聊天习惯和重要事项，其次就是增加更多的音色选项和其他功能点，最后加上这个留声机模型增加用户互动感，那么这个demo就可以落地了。
