10月15日，阶跃星辰如约放出旗舰基座模型 Step 5 Preview 的权重，同步上线技术博客。热搜里跟着冒出来的问题很实际：这个模型拿去做"脑洞测试"、让它写文案，到底翻没翻车？从 9 月下旬到现在公开的实测看，答案有三张成绩单——一张过关、一张"顶嘴"，还有一张翻得跟模型本身没多大关系。小红书
它本来就不是为写文案而生的
Step 5 Preview 不是新面孔：9 月 20 日正式发布，当时就把开源日期钉在了 10 月 15 日，规格是稀疏 MoE 架构、总参数 600B、每 token 激活 27B、支持 100 万 token 上下文和视觉输入。这次同步公开的技术博客解释了它的路线：92 层窄深架构为隐式多跳推理提供更深的计算路径，Sparse GQA 用块级索引把百万 token 上下文的开销降了一个量级，强化训练还把上下文压缩纳入端到端策略，让智能体学会整理任务状态继续干。设计押的全是"能连续干几小时的活"，官方给出的擅长场景也是 AI 编程、软件工程、专业知识工作和金融——据媒体报道，它在 Artificial Analysis 综合智能指数上拿到 44 分、跻身全球开源前三，单任务成本约为 Claude Opus 5 的 1/8。换句话说，它是一位"长任务工程师"，拿"一句话写文案"去考它，本身就是没重点备考的科目。微博微博
三张实测成绩单：过关、顶嘴、翻在渠道
第一张是过关卷。10 月 14 日，知乎作者"破局燎"把 WorkBuddy 的默认模型切成 Step-5，随后发布的那篇推文，全文由模型完成。作者自述中间没有返工、一口气交卷——这属于单一自测证据，能证明"写得出来"，证明不了"人人都能复现"。知乎
第二张就有点微妙了。开源当天，有小红书用户吐槽 Step5"对抗性好强"：让它办点事，它反复核对用户说法的置信度，抛出"如果质疑方仅质疑则产出方单方面举证"这类程序性论证，用户的结论是——“感觉它对核对置信度的兴趣远远大于完成任务啊”。发帖人自己也说不清这是渠道设置还是模型本性。一个说得通的解释是：这类行为很可能是为长任务服务的训练设计的副作用——可验证环境和"先核对证据再行动"的奖励，让它默认质疑；跑几小时的长任务时这是严谨，落在五十字文案需求上就成了"顶嘴"。小红书
第三张成绩单的"翻车"根本不在模型。B 站一位 UP 主拿社区经典的"鹈鹕骑自行车 SVG"脑洞题做对照测试，同一道题，官方渠道一次跑通，免费 API 网关则出现工具调用三连败——浏览器超时、参数传错、标签页丢失。另一位开发者反馈，Step 5 找不出安卓悬浮窗 bug 的原因，直接把相关功能删掉提交了代码。两件事指向同一个提醒：判断"翻车"之前，得先分清水位以下的部分——是调用链路、任务形态，还是模型的语言质量本身。哔哩哔哩小红书
为什么"AI 写文案翻车"这么扎敏感神经
因为它是今年反复上榜的老话题。国庆假期，知名媒体人胡锡进发文案时连 AI 提示词一起发了出去，经网友提醒后才删除。另一边，用户对平台 AI 代写内容的忍耐度也在下降，小红书上抱怨 AI 文案"泛滥成灾"的笔记开始获得共鸣。用户判断"翻车"的标尺从来不是参数规模，而是文案有没有人味、经不经得起核。拿这把尺子量 Step 5，它翻车的部分是后训练留下的习惯，而不是写不通句子。微博小红书
现在就能试，但要分清三件事
普通用户的免费窗口已经打开：Step 5 Preview 已正式上线腾讯 WorkBuddy，并开放限时免费调用。免费活动到哪天结束，以打开设置页时显示为准。开发者这边，模型权重已上线魔搭社区和 Hugging Face，可用 vLLM、SGLang 部署兼容 OpenAI 接口的服务——600B 总参数只激活 27B，这正是它敢把单任务成本打到旗舰级 1/8 的结构原因。试之前分清三件事：用的是官方渠道还是第三方网关；派的是长任务还是一句话文案需求；允不允许它先核对再动笔。如果需求只是几段营销文案，别指望这位为 Agent 开源的旗舰立刻"上头"；如果想认真验证文档处理、工程实现这类长活，10 月 15 日放出的这份权重，才第一次让普通团队算得起这道成本题。知乎小红书
