StepFun、MoEモデル「Step 5 Preview」を発表

中国のAI新興企業StepFun（階躍星辰 / JumpStellar）は2026年9月20日、総パラメータ数600B（6000億）の大規模スパースMoE（複数の専門ネットワークから必要な部分を選択して効率的に計算する手法）モデル「Step 5 Preview」を発表し、開発者向けAPIおよび開発環境「Studio」の提供を開始した。トークンあたりのアクティブパラメータ数を27B（270億）に抑えつつ、100万トークンの長文脈（コンテキスト）とマルチモーダル入力に対応する。第三者ベンチマーク機関Artificial Analysisの評価において月之暗面の「Kimi K3 Max」と同等の性能スコアを記録しながら、GPT-5.6 Solの約7分の1という高水準のコストパフォーマンスを実現した。

600BスパースMoEと低価格API提供

Step 5 Previewは、巨大な知識量を保持しつつ推論コストを大幅に抑制するスパースMoEアーキテクチャを全面採用している。

• ​モデル規模と活性化パラメータ​: 総パラメータ600Bのうち、1トークン生成時に活性化されるのは27Bにとどまる。これにより、大規模モデル特有の高い表現力を維持しながら、計算負荷を軽量モデル並みに削減した。
• ​長文脈とマルチモーダル​: 最大100万トークンのコンテキストウィンドウを備え、長大な学術論文やコードベースの分析、マルチモーダル入力の同時処理が可能。
• ​価格体系​: API利用料は入力100万トークンあたり1.00ドル、出力100万トークンあたり2.70ドルに設定。さらに95%のプロンプトキャッシュ割引が適用される。
• ​オープンウェイト化の予定​: 2026年10月15日にHugging Face上で完全なオープンウェイト（モデル重みデータ）の一般公開を予定している（発表時点ではリポジトリに.gitattributesファイルのみ配置）。

24時間連続GPU最適化とデータ自己生成

推論速度は約100 Token/sに達し、Artificial AnalysisのIntelligence Indexではスコア44を記録した。タスクあたりの推論コストは約0.71ドルと算出され、同等スコアのKimi K3 Max（タスクあたり2.00ドル）と比較して約3分の1のコスト効率を示す。

また、複雑なエージェント型タスクの実証実験として以下の2つの長時間自律検証結果が報告されている。

1. 24時間自律GPUカーネル最適化​: NVIDIA H100向けGPUカーネルの最適化を24時間連続で自律実行（コード修正、テストベンチマーク実行、結果解析、再最適化の反復）。約22時間の反復を経て508 TFLOPSの処理性能を達成し、同一実験におけるClaude Opus 5の493 TFLOPSを上回る結果を示した。
2. ​自己データ生成による学習支援​: モデル自身が学習用合成データを設計・生成し、Qwen3-30B-A3BのAIME24数学ベンチマーク精度を53.3%から60%へと向上させた。Claude Opus 5と同等の改善幅を達成しつつ、消費したアノテーショントークン数は大幅に少なかったとされる。

複数ソースの差分整理と利用上の留意点

本発表について、欧米メディアのAI WeeklyはArtificial Analysisによる客観的なベンチマーク結果（Intelligence Index: 44）や、GPT-5.6 Sol比で7分の1という価格競争力、10月15日のオープンウェイト公開予定を重点的に報じた。一方、中国現地メディアのAIbaseは開発環境「Studio」の即時提供開始や24時間連続の自律タスク実験、中国国内ユーザー向けの最大75日間利用可能な特典パッケージの詳細などを補足している。

項目	Step 5 Preview	Kimi K3 Max	備考
​総パラメータ / 活性​	600B / 27B	超大規模MoE	スパース構造で軽量推論
​コンテキスト長​	100万トークン	100万トークン超	長文脈処理に対応
AA Intelligence Index	44	44	同等の総合性能指標
​タスクあたりコスト​	約$0.71	約$2.00	約3分の1の低コスト
​オープンウェイト​	2026-10-15公開予定	クローズドAPI	Hugging Faceで公開計画

日本の開発者にとっても、長大なプロンプトを低価格で投入できる新たなMoE APIの選択肢となる。一方で、初期ユーザーのフィードバックでは実際の体感速度がDeepSeek V4.1 Flashに近い水準との声もあり、無料利用者の増加に伴うサーバー混雑やスループット低下への懸念が指摘されている。また、10月15日に予定される重み公開が公約通り実施されるかどうかも注視すべきポイントだ。

分析と展望

大規模言語モデルの競争軸は、絶対的なモデルサイズから「スパースMoEによる低推論コスト化」と「長時間タスクを自律遂行できるエージェント能力」へと急速にシフトしている。StepFunが提示した24時間連続のGPUカーネル最適化実験は、モデル単体の会話精度だけでなく、自律的にツールを操作してエンジニアリング課題を完遂する実用性の高まりを示している。10月中旬に予定されるオープンウェイト公開が実現すれば、オープンソースエコシステムにおける有力な基盤モデルとして定着する可能性がある。

引用元：AI Weekly | AIbase