Step 5 Preview im Test: Preise, API, offene Gewichte und NSFW-Grenzen

Step 5 Preview ist interessant, wenn ein Assistent Code, Dokumente und Tabellen bearbeiten und ein überprüfbares Ergebnis liefern soll. Das Modell kombiniert langen Kontext, multimodale Eingaben und vergleichsweise niedrige API-Preise. Ein guter Anlass zum Ausprobieren sind Aufgaben, bei denen günstigere Modelle wiederholt scheitern.

Unsere Einschätzung: ein vielversprechender Kandidat für Entwicklung und Analyse, mit Einschränkungen. Die Veröffentlichung der Gewichte ist für den 15. Oktober 2026 geplant. Außerdem zeigen unabhängige Tests zwar einen deutlichen Fortschritt gegenüber Step 3.7 Flash, aber auch Wettbewerber, die dieselbe Aufgabenmenge schneller und günstiger bewältigten.

Was ist Step 5 Preview, und ist es bereits offen?

StepFun positioniert das Modell als neues Flaggschiff für agentische Aufgaben. Die MoE-Architektur umfasst laut Hersteller 600 Milliarden Parameter, davon 27 Milliarden pro Token aktiv. Der angekündigte Termin für offene Gewichte ist der 15. Oktober. Bis Dateien und Lizenz verfügbar sind, ist „offene Gewichte geplant“ genauer als „uneingeschränkt Open Source“. Offizielle Ankündigung

Die Dokumentation nennt Videoeingaben und eine maximale Ausgabe von 64K. Einige frühe Verzeichnisse weichen davon ab: Eine Gateway-Angabe von 1M Ausgabe ersetzt nicht die Herstellergrenze. Ein großes Kontextfenster garantiert auch nicht, dass jedes Detail korrekt wiedergefunden wird. Modellspezifikationen

Onlinezugang und API-Anbieter

Öffnen Sie StepFun AI Studio und prüfen Sie, ob Ihr Konto Step 5 Preview auswählen kann. Für Entwickler gibt es die internationale Plattform und die chinesische Plattform. Zugang, Abrechnung und Aktionen können sich unterscheiden.

Vercel AI Gateway ist ein bestätigter Drittanbieterzugang mit Playground und der Kennung stepfun/step-5-preview. Testguthaben gelten für berechtigte Konten; sonst erfolgt die Abrechnung zu API-Tarifen. Das ist nicht StepFuns eigenes Abo.

Erstellen Sie einen Schlüssel und folgen Sie dem offiziellen Schnellstart. Wählen Sie den richtigen Abrechnungskanal und testen Sie eine kleine Aufgabe ohne vertrauliche Daten, bevor Sie ein Repository verbinden. Suche, Codeausführung und Dateibearbeitung stellt die umgebende Anwendung bereit; der Modellendpunkt bedient nicht von selbst Ihren Rechner.

Preise: API, Abo und tatsächliche Aufgabenkosten

Die internationale Preisliste rechnet in US-Dollar je Million Token. Eine gesonderte offizielle Europreisliste konnte nicht bestätigt werden. Eine Umrechnung wäre deshalb kein deutscher Anbieterpreis; Wechselkurs, Zahlungsgebühren und Steuern können den Endbetrag verändern. Zur Ausgabe zählen auch Denk-Token, nicht nur die sichtbare Antwort. Offizielle Preise

100.000 nicht zwischengespeicherte Eingabe-Token und 10.000 abgerechnete Ausgabe-Token ergeben bei Step 5 rechnerisch 0,127 US$. Erfüllt die gesamte Eingabe die Cache-Bedingungen, sind es 0,032 US$. Das sind Rechenbeispiele ohne Werkzeuge, Wiederholungen oder Steuern, keine Verbrauchsprognosen für einzelne Aufgaben.

Step Plan nennt Monatspreise von 6,99, 9,99, 29 und 99 US$, mit 400M, 1.600M, 8.000M beziehungsweise 40.000M Credits. Credits sind keine Token. Step 5 Preview ist enthalten, Monatsguthaben verfallen und der Verbindungsendpunkt unterscheidet sich von der Standard-API. Maßgeblich ist das aktuelle Angebot beim Abschluss; eine Gratisaktion ist keine Zusage für dauerhaft unbegrenzte Nutzung.

Vergleichen Sie die Kosten bis zu einem brauchbaren Ergebnis: Verbrauch, Werkzeuge, weitere Versuche und menschliche Nacharbeit. Ein niedriger Tokenpreis hilft wenig, wenn der Agent erfolglose Reparaturen wiederholt.

Was verbessert sich gegenüber Step 3.7 Flash?

Step 3.7 Flash hat 198B Gesamtparameter, 11B aktive Parameter und 256K Kontext. Bilder und Video wurden bereits unterstützt. Step 5 erweitert Kontext und Anspruch an komplexe Aufgaben; Flash behält die niedrigeren API-Tarife. Dokumentation des Vorgängers

SQBench meldet 102 vollständig bestandene Aufgaben von 220 für Step 5, gegenüber 43 für Step 3.7 Flash. Diese Anzahl ist nicht mit dem gewichteten Gesamtscore gleichzusetzen. Sie spricht für einen Test bei schwierigen Arbeiten, nicht automatisch für den Umzug jeder einfachen Zusammenfassung. SQBench-Auswertung

Vergleich mit Claude, GLM und Kimi

Artificial Analysis nennt etwa 44 Punkte im Intelligence Index und ungefähr 100 Ausgabe-Token pro Sekunde, weist aber auch auf hohen Tokenverbrauch hin. Ausgabegeschwindigkeit ist nicht Gesamtdauer: Denken, Werkzeuge und Wiederholungen kommen hinzu. Unabhängige Messungen

Die Tabelle zeigt von StepFun veröffentlichte Ergebnisse, mit Step auf High und Wettbewerbern auf Max. AirMore hat die Tests nicht selbst wiederholt.

Quelle und Bedingungen. Step liegt bei der Softwareentwicklung nahe an GLM und Kimi; Opus führt gegenüber Step in beiden Spalten. Zwei Benchmarks ergeben aber keinen allgemeinen Sieger für alle Aufgaben.

Vergleichen Sie die Modelle im selben Repository mit identischen Abnahmetests. Bei wertvollen Aufgaben lohnt sich Claude als zusätzlicher Kandidat. Halten Sie Dateien, Werkzeuge und Versuchszahl konstant, damit nicht unterschiedliche Anwendungen als Modellunterschied erscheinen.

Erfahrungen von Testern und Nutzern

SQBench vergibt 50,00 Punkte an Step, 51,40 an DeepSeek V4 Pro 0813 und 54,60 an GLM-5.3-FlashX. Kosten und aufsummierte Dauer der Tests lagen bei 16,72 US$/25,20 Stunden, 9,83 US$/12,12 Stunden und 5,68 US$/6,67 Stunden. Das sind Ergebnisse der gesamten Testsuite, keine Abopreise oder Wartezeiten einer einzelnen Anfrage. Unabhängiger Bericht

Der Entwickler cxuan testete ein Spiel, einen Website-Nachbau anhand eines Videos und eine Budgetaufgabe. Beim Website-Beispiel bevorzugte er Steps Gesamtergebnis, bemerkte jedoch die vereinfachte Wiedergabe einer wichtigen geometrischen Form. Das ist ein interessanter Prototyping-Bericht, keine Garantie für originalgetreue Ergebnisse oder generelle Überlegenheit. Tests und Beispiele

Auf LocalLLaMA wurden kurzzeitig sichtbare Gewichte diskutiert. Ein weiterer Entwicklerbeitrag fragt noch nach echten Arbeitserfahrungen. Frühe Begeisterung belegt weder langfristige Zuverlässigkeit noch eine stabile offizielle Veröffentlichung.

Stärken, Grenzen und empfohlene Einsätze

Geeignete Testaufgaben sind reproduzierbare Fehler, der Abgleich mehrerer Dokumente, Datenbereinigung mit Analyse oder Anforderungen aus Screenshots und kurzen Aufnahmen. Legen Sie Ergebnisformat, Einschränkungen und Prüfkriterien vorher fest.

Bei Code sollten ein kleiner Patch und Regressionstests dazugehören. Bei Dokumenten helfen konkrete Quellenstellen und die Trennung von Fakten und Annahmen. Bei Tabellen sollten Formeln oder Skripte die Berechnung wiederholbar machen. So lässt sich mehr überprüfen als nur eine überzeugend formulierte Erklärung.

Für lockere Gespräche, einfache Massenumschreibungen und minimale Latenz kann ein kleineres Modell geeigneter sein. Testen Sie deutsche Fachbegriffe, Formate und Unternehmenssprache separat: Allgemeine Benchmarks garantieren nicht dieselbe Qualität in jeder Sprache.

Lokaler Betrieb und Speicherbedarf

Eine bestätigte offizielle Installationsanleitung für die kommende Gewichteveröffentlichung liegt für diese Empfehlung noch nicht vor. Verfolgen Sie die offizielle Hugging-Face-Organisation und prüfen Sie Dateien, Lizenz und Laufzeitunterstützung. Ein inoffizieller Spiegel ersetzt das nicht.

27B aktive Parameter bedeuten nicht den Speicherbedarf eines dichten 27B-Modells. Allein 600B Gewichte ergeben rechnerisch etwa 1,2 TB bei 16 Bit, 600 GB bei 8 Bit oder 300 GB bei 4 Bit, vor Cache, Metadaten und Laufzeitbedarf. Das sind Schätzungen, keine validierten Konfigurationen oder Bestätigungen verfügbarer Quantisierungen.

Für Einzelpersonen ist die API der praktische Einstieg. Warten Sie vor einem Hardwarekauf auf echte Speicher- und Geschwindigkeitsmessungen, besonders für sehr lange Kontexte.

Unterstützt Step 5 Preview NSFW?

Der gehostete Dienst ist keine uneingeschränkte NSFW-Option. Die internationalen Bedingungen untersagen sexuell explizite Inhalte und das Umgehen von Schutzmaßnahmen. Offene Gewichte würden die API-Regeln nicht automatisch ändern; ihre Lizenz muss separat geprüft werden. StepFun-Nutzungsbedingungen

Wir haben keine NSFW-Prompts getestet. Erlaubnisse des Dienstes, Ablehnungsverhalten und Bedingungen eines künftigen lokalen Modells sind verschiedene Fragen. Schließen Sie kein Abo in der Annahme ab, geplante offene Gewichte bedeuteten Unterstützung für explizite Erwachsenen-Rollenspiele.

Häufige Fragen

Ist die Nutzung kostenlos?

Die Standard-API ist kostenpflichtig. Testguthaben und Aktionen garantieren keine dauerhaft unbegrenzte Nutzung. Prüfen Sie Guthaben und Abrechnungskanal vor längeren Agentenläufen.

Kann das Modell Videos verstehen?

Laut Dokumentation unterstützt die direkte API Video. Ein Gateway kann weniger Eingabeformate anbieten. Folgen Sie der Dokumentation Ihres Anbieters.

Kann es eine Million Token ausgeben?

Offiziell beträgt die maximale Ausgabe 64K. Kontext und Antwortlänge sind verschiedene Grenzen; Genauigkeit bei langen Dokumenten muss zusätzlich getestet werden.

Sind Step Plan und API-Guthaben identisch?

Nein, Verbrauchssysteme und Verbindungsadressen unterscheiden sich. Ein erfolgreicher Aufruf zeigt nicht automatisch, dass das Abo belastet wurde.

Ist es besser als Claude, GLM oder Kimi?

Das hängt von der Aufgabe ab. Einige Messungen sind konkurrenzfähig, andere sprechen für Alternativen. Vergleichen Sie brauchbare Ergebnisse, Kosten und Nacharbeit.

Lassen sich die Gewichte schon herunterladen?

Angekündigt ist der 15. Oktober 2026. Prüfen Sie tatsächliche Veröffentlichung und Lizenz. Kurz sichtbare Dateien sind keine stabile offizielle Distribution.

Fazit: Das fertige Ergebnis entscheidet

Step 5 Preview verdient einen begrenzten Test für Entwicklung, Dokumentanalyse und multimodale Agenten. Der Fortschritt gegenüber Flash ist unabhängig belegt, doch der Tokenpreis allein reicht als Entscheidungskriterium nicht aus.

Wählen Sie repräsentative Aufgaben und ein festes Budget. Protokollieren Sie Qualität, Verbrauch, Dauer und Korrekturen. Wechseln Sie nur dort, wo sich Ergebnisse verbessern, und behalten Sie ein leichtes Modell für Routinearbeiten. Lokalen Betrieb sollten Sie nach der offiziellen Veröffentlichung neu bewerten.

Stand: 21. September 2026. Redaktionelle Bewertung offizieller Dokumentation und zugeordneter Drittanbietertests. AirMore hat die genannten Benchmarks nicht unabhängig reproduziert.