@omarsar0: StepFun 的新 Step 5 Preview 模型令人印象深刻！有机会提前测试了一下。我一直在将它作为编程代理进行测试…

StepFun 推出的 Step 5 Preview 模型令人印象深刻！

有机会提前进行了测试。

我将其作为编程代理进行了评估。

该模型在成本与能力之间达到了帕累托最优前沿。

这是一款非常强大的模型，与 GLM 5.3、Kimi K3 等模型相当，而且价格极具竞争力。

值得在您常用的编程代理中尝试。

我在一个最小测试环境中测试了它，以比较其与 GLM 5.3 的表现。

以下是我的测试结果。

总体而言，它非常高效，感觉是一款我能用于各种编程任务的模型。其中一个突出表现是它懂得何时停止，这使得它在处理长期任务时比同类模型更高效。

我在同一个代码库的同一提交版本中，让它和 GLM 5.3 分别处理两个真实任务。首先是一个错误，数值过滤器在筛选小数和负数时会静默返回空结果集。然后是一个新功能需求，需要添加新路由、权限控制，并重构后台任务监督器。

两个模型都正确完成了两个任务。所有保留测试均通过，没有回归问题，并且都没有为了通过测试而削弱现有测试。

Step 5 Preview 完成任务后，会检查自己的工作，并宣布完成。两次都是如此。

GLM 5.3 两次都写出了正确的代码，然后继续执行，直到达到步骤限制才结束运行。

两个模型都没有收到后续提示或重试请求。两者都没有进行修复轮次，因此在两个任务上首次交付即为最终交付。

对于那个错误，Step 5 Preview 编写了更简短的补丁，与 Datasette 维护者在实际提交中使用的方法相同。它还主动添加了测试用例，无需额外要求。

基于此，我会在以下场景优先选择它：需要明确完成信号比速度更重要的无人值守代理运行；在不熟悉的代码库中修复错误；以及处理长上下文任务。

关于长上下文处理，本周早些时候我进行了单独测试。我生成了约 36.8 万 token 的虚构事件工单，并在其中隐藏了五条线索，共同解释一次系统故障。当我询问根本原因时，它在约 90 秒内找到了所有五条线索并正确关联起来。

感谢 StepFun 团队与我们合作完成这篇评测文章。