Step 5 Preview: обзор модели для длинных агентных задач
Step 5 Preview — новая флагманская агентная модель StepFun. Компания заявляет sparse MoE-архитектуру с 600 млрд общих параметров, 27 млрд активных на токен, контекст до миллиона токенов и работу с изображениями. Эти цифры объясняют, почему релиз привлекает внимание команд с длинными задачами: разбор репозитория, серия операций в браузере, подготовка аналитического артефакта. Но они не отвечают на главный рабочий вопрос: сможет ли модель выполнить именно ваш процесс без незаметной подмены фактов и лишних действий.
Что здесь стоит проверять в первую очередь
Название «агентная» не означает, что модель можно оставить одну. В хорошей схеме ей поручают собрать материалы, предложить план и выполнить обратимые шаги. Любое изменение доступа, денег, публичного текста или данных клиента остаётся за человеком либо за отдельным сервисным правилом. У каждой задачи должен быть короткий контракт: что подаётся на вход, какой файл или решение требуется на выходе, какие источники допустимы и какие действия запрещены.
Для первого теста выберите не «сделай всё», а один маршрут длиной в пять–восемь шагов. Например: найти в папке актуальные документы, составить таблицу расхождений, дать ссылки на фрагменты и оставить черновик письма. Это уже покажет, умеет ли система удерживать цель и возвращаться к доказательствам. Подход с независимой приёмкой разобран в гайде о контроле долгой агентной задачи.
Контекст — не склад документов
Миллион токенов удобен, если надо работать с большим объёмом, но не отменяет отбора. Старые версии регламента рядом с новой, непроверенная заметка вместе с договором и лишняя персональная информация повышают риск неверного вывода. Полезнее заранее собрать рабочий пакет: утверждённую версию, список вопросов, словарь терминов и критерии, по которым человек примет результат. Тогда ошибка понятнее: она в источнике, в маршруте или в выводе.
Отдельно проверяйте поведение на противоречиях. Хороший результат — не всегда уверенный ответ; иногда это точный вопрос к владельцу процесса. Попросите модель явно отмечать, где данных нет, и прикладывать фрагмент, на который она опиралась. Так обзор превращается в воспроизводимый тест, а не в впечатление от одной удачной демонстрации.
Инструменты, файлы и безопасность
Агентная задача обычно включает браузер, файловую систему или API. В тестовой среде задайте белый список инструментов, отдельную папку для результатов и лимит времени. Не давайте доступ к общему хранилищу «на всякий случай». Каждый вызов должен попадать в журнал: версия модели, входные файлы, команда, полученный артефакт и решение проверяющего. Если задача повторяется, такой журнал поможет отличить реальный прогресс от случайного совпадения.
Нельзя судить по одному benchmark: в нём редко есть ваши имена, сокращения, устаревшие документы и ограничения прав. Сравните Step 5 Preview с текущим процессом по полному времени до принятого результата, числу критичных исправлений, доле безопасных остановок и стоимости проверки. Принцип такой оценки подробно разобран в обзоре встроенной оценки ИИ.
Вывод
Step 5 Preview выглядит интересным кандидатом на стенд для длинных, но обратимых агентных задач. Заявленные архитектура и контекст не гарантируют качество в русском рабочем процессе, поэтому начинать стоит с ограниченного пилота и заранее описанной приёмки. Если результат нельзя проверить другим человеком, автоматизация ещё не готова к расширению.
FAQ
Можно ли отдать модели весь корпоративный архив? Нет: сначала отберите актуальные документы и права доступа. Нужен ли человек в пилоте? Да, он принимает результат и разбирает критичные ошибки. Что считать успехом? Повторяемый верный артефакт, а не красивый единичный ответ. Когда расширять доступ? После серии тестов, журнала ошибок и понятного ручного отката.