Step 5 Preview: StepFun ปล่อยเรือธง MoE 600B (active 27B) คอนเท็กซ์ 1M ขึ้น API วันนี้ — และนัดวันปล่อยน้ำหนักเปิดไว้ที่ 15 ต.ค.

20 ก.ย. 2026 StepFun (阶跃星辰) เปิดตัว Step 5 Preview เรือธงตัวใหม่ที่วางตำแหน่งไว้สำหรับงาน agentic โดยเฉพาะ สเปกคือ sparse Mixture-of-Experts 600B พารามิเตอร์ active 27B ต่อโทเคน คอนเท็กซ์ 1 ล้านโทเคน รับอินพุตเป็นข้อความ ภาพ และวิดีโอ ใช้งานผ่าน API ได้ตั้งแต่วันประกาศ และประโยคสุดท้ายของหน้าประกาศคือสิ่งที่นักพัฒนาสายโมเดลเปิดควรขีดเส้นใต้: “The model will be released with open weights on October 15.”

นี่คือประเด็นที่ทำให้ Step 5 Preview ต่างจากการเปิดตัวโมเดลจีนหลายตัวที่ผ่านมา — ไม่ใช่ “API ก่อน แล้วค่อยว่ากัน” แต่เป็นการ นัดวันปล่อยน้ำหนักล่วงหน้าแบบระบุวันที่ชัดเจน ซึ่งถ้าทำได้จริง จะกลายเป็นโมเดลระดับ 600B ที่รันเองได้ตัวถัดไปต่อจาก Kimi K3 และ GLM-5.3 ส่วนถ้าทำไม่ได้ ก็จะกลายเป็นเคสตัวอย่างอีกเคสในลิสต์คำสัญญาน้ำหนักเปิดที่เลื่อนไม่มีกำหนด

ข้อควรระวังเรื่องตัวเลขที่ถูกเล่าต่อผิด: สำนักข่าวการเงินบางแห่งรายงานว่า Step 5 Preview รองรับคอนเท็กซ์ “100,000 โทเคน” ซึ่งผิด — ทั้งหน้าประกาศและเอกสารนักพัฒนาของ StepFun ระบุตรงกันว่า 1M โทเคน ทั้งอินพุตสูงสุดและเอาต์พุตสูงสุด

สเปกที่ยืนยันได้จากเอกสารนักพัฒนา ไม่ใช่แค่หน้าประกาศ

หน้า Step 5 Preview บน StepFun Open Platform ให้รายละเอียดที่ใช้ตัดสินใจได้จริงมากกว่าหน้าการตลาด:

รายการ	ค่า
Model ID	step-5-preview
คอนเท็กซ์	1M โทเคน (อินพุตสูงสุด 1M, เอาต์พุตสูงสุด 1M)
อินพุต	ข้อความ, ภาพ, วิดีโอ
ภาพต่อคำขอ	สูงสุด 60 ภาพ
วิดีโอ	MP4 / QuickTime / Matroska, ไฟล์ต่ำกว่า 128 MB, แนะนำสั้นกว่า 5 นาที
Reasoning effort	low / medium / high
max_tokens	ดีฟอลต์เป็น INF — ไม่จำกัด ให้โมเดลตัดสินเอง
Tool calling / JSON Schema / Prompt caching	รองรับทั้งหมด

ราคาจากหน้า Pricing and Rate Limits คือ $1.00 ต่อ 1M โทเคนอินพุต (cache miss), $0.05 เมื่อ cache hit, และ $2.70 ต่อ 1M โทเคนเอาต์พุต โดยเอกสารระบุชัดว่าโทเคนเอาต์พุตนับรวมกระบวนการคิดของโมเดลด้วย ไม่ใช่เฉพาะคำตอบสุดท้าย — จำประโยคนี้ไว้ เพราะเดี๋ยวจะกลับมาเป็นประเด็น

อีกจุดที่นักพัฒนาสายเอเจนต์น่าจะสนใจ: เอกสารมีคู่มือเชื่อมกับ Claude Code รวมถึง OpenClaw, Cline, Kilo Code และ OpenCode เป็นทางการ — StepFun ไม่ได้ปั้นไคลเอนต์ของตัวเองมาแข่ง แต่เลือกเสียบเข้า harness ที่คนใช้อยู่แล้ว

ตัวเลขเบนช์มาร์ก: เก่งจริงในบางแกน และยังห่างจริงในบางแกน

StepFun เทียบกับ GLM-5.3, Kimi K3, GPT-6 Astra และ Claude Opus 5 โดยตรง สรุปแกนสำคัญ (ค่าของ Step 5 Preview ใช้โหมด High):

• DeepSWE v1.1 — 67.7% นำ Kimi K3 (67.5) และ GLM-5.3 (66.9) อยู่นิดเดียว แต่ห่าง GPT-6 Astra (74.1) กับ Claude Opus 5 (74.0) อยู่ราว 6 จุด
• ProgramBench — 80.5% นำทั้ง Kimi K3 (77.8) และ GLM-5.3 (72.0)
• StepCodeBench (เบนช์ภายในของ StepFun เอง) — 49.0% นำ Kimi K3 (43.9) และ GLM-5.3 (40.2) แต่ตามหลัง Claude Opus 5 (63.9) เกือบ 15 จุด
• Terminal-Bench v4 — 33.3% แพ้ GLM-5.3 (41.9) และแพ้ขาดกับ GPT-6 Astra (57.9) ถือเป็นแกนที่อ่อนที่สุดของ Step 5 Preview
• FrontierFinance — 66.4% นำ GLM-5.3 (64.1), Kimi K3 (62.6) และ นำ GPT-6 Astra (55.0) อยู่ถึง 11 จุด ซึ่งสอดคล้องกับที่ StepFun บอกว่าเน้นโดเมนการเงินเป็นพิเศษ
• GDPval-AA v2 — 1571 ตามหลัง GLM-5.3 (1634) และ Claude Opus 5 (1735)
• MMMU-Pro — 76.0% ตามหลัง Kimi K3 (81.0) และ Claude Opus 5 (85.0)

StepFun ทำเบนช์ภายในเอง 6 ตัว (ทำเครื่องหมาย † ไว้) ได้แก่ StepCodeBench และตระกูล FinStepBench ซึ่งควรอ่านแบบเบนช์ของผู้ขายเสมอ ส่วนหมายเหตุใต้ตารางเองก็ซื่อสัตย์ในจุดที่หลายเจ้าไม่เขียน: ใน HLE w/ tools นั้น Step 5 Preview และ GLM-5.3 ถูกวัดบน text-only subset ขณะที่โมเดลอื่นวัดบนชุดเต็ม — “ผลลัพธ์ข้ามสองการตั้งค่านี้เทียบกันตรง ๆ ไม่ได้”

งานยาว ๆ: 508 TFLOPS บน H100 และการเล่น Pokémon 3,082 ตา

ส่วนที่น่าสนใจที่สุดของประกาศไม่ใช่ตารางเบนช์ แต่เป็นการทดสอบ long-horizon execution ซึ่งเป็นสิ่งที่เบนช์แบบตอบทีเดียวจบวัดไม่ได้:

เคสที่ 1 — เขียนเคอร์เนล MLA เองใน 24 ชั่วโมง StepFun ให้โมเดลปรับ MLA GPU kernel บน NVIDIA H100 ตั้งแต่ศูนย์ (head dimension 512, batch size 1, 64 heads, 8,192 โทเคน) โมเดลแก้โค้ด รันวัด throughput เอง และถ้ารุ่นใหม่ช้าลงก็ทิ้งแล้วกลับไปต่อจากรุ่นที่ดีที่สุด ให้โอกาสละ 4 ครั้งอิสระ แล้วรายงานครั้งที่ดีที่สุด — Step 5 Preview ทำได้ 508 TFLOPS (forward + backward) ที่ประมาณชั่วโมงที่ 22 เทียบกับ 493 TFLOPS ของ Claude Opus 5

เคสที่ 2 — ปรับ post-training loop เอง ให้เวลา 24 ชั่วโมงปรับ Qwen3-30B-A3B base ให้เก่งขึ้นบน AIME24 ผ่าน post-training อัตโนมัติ ผลคือ 60% จากเดิม 53.3% เท่ากับที่ Claude Opus 5 ทำได้ แต่ใช้โทเคน annotator น้อยกว่า

เคสแถม — Pokémon Red โดยไม่ได้ปรับจูนเฉพาะทางใด ๆ โมเดลเดินเรื่องต่อเนื่องเกิน 3,000 ตาและ 6 ล้านโทเคน ถึงตาที่ 3,082 ได้ Cut, สาม Gym Badge และล้ม Lt. Surge — ประมาณหนึ่งในสามของเนื้อเรื่องหลักที่คนเล่นจริงใช้เวลาราว 26 ชั่วโมง

อ่านคำเคลมเรื่อง Pareto frontier ด้วยข้อมูลของบุคคลที่สาม

StepFun เคลมว่า “ที่ระดับความฉลาดใกล้เคียงกัน ต้นทุนต่องานต่ำกว่าอย่างมีนัยสำคัญ” — ข้อดีคือเคลมนี้ตรวจได้ เพราะ Artificial Analysis วัด Step 5 Preview แล้ว และตัวเลขก็ยืนยันคำเคลมจริง:

โมเดล	Intelligence Index	ต้นทุนต่องาน
GLM-5.3 (max)	44.78	$2.01
Grok 4.6 (high)	44.31	$1.86
Step 5 Preview	43.73	$0.71
Kimi K3 (max)	43.59	$2.00
Gemini 3.8 Flash (high)	40.93	$1.24
DeepSeek V4.1 Flash (max)	39.46	$0.27

Step 5 Preview อยู่อันดับ 7 ด้วยคะแนน 43.73 (StepFun ปัดเป็น “44” ซึ่งตรงไปตรงมาพอรับได้) — ความฉลาดเท่า Kimi K3 แทบจะเป๊ะ แต่ต้นทุนต่องานถูกกว่าราว 2.8 เท่า และถูกกว่า GLM-5.3 ที่ฉลาดกว่าอยู่ 1 จุดอยู่เกือบ 3 เท่าเช่นกัน ในเลนนี้ Pareto frontier ขยับออกจริง

แต่ข้อมูลชุดเดียวกันก็เผยสองจุดที่หน้าประกาศไม่พูดถึง:

1. โมเดลคิดเยอะมาก — ต่อหนึ่งงานของ Intelligence Index, Step 5 Preview ใช้ 43,287 โทเคน reasoning กับอีก 20,632 โทเคนสำหรับคำตอบ นั่นคือกว่า 2 ใน 3 ของบิลเอาต์พุต ($2.70/M) หมดไปกับกระบวนการคิดที่ผู้ใช้ไม่ได้อ่าน เทียบกับ GPT-6 Astra (max) ที่ใช้ 16,691 โทเคน reasoning ต่อ 10,514 โทเคนคำตอบ — ถ้างานของคุณเป็นคำถามสั้น ๆ จำนวนมาก ราคาต่อ 1M ที่ดูถูกจะไม่แปลเป็นบิลที่ถูกเสมอไป และตรงนี้แหละที่คำเตือนในเอกสารว่า “เอาต์พุตนับรวม reasoning” มีความหมาย
2. ช้า — ความเร็วเอาต์พุตมัธยฐาน 99.8 โทเคน/วินาที และรอคิดก่อนตอบราว 20 วินาที เทียบกับ Gemini 3.8 Flash ที่ 305 โทเคน/วินาที ถ้าเอาไปต่อกับ UI ที่ผู้ใช้นั่งรอ ตัวเลขนี้สำคัญกว่าคะแนนเบนช์

มุมมอง AI Curator

สิ่งที่ทำให้ข่าวนี้น่าสนใจกว่า “จีนออกโมเดลใหญ่อีกตัว” คือ วิธีวางลำดับการปล่อย — API ก่อน น้ำหนักตามในอีก 25 วัน พร้อมระบุวันที่ นี่ไม่ใช่การเผลอพูด แต่เป็นกลยุทธ์ที่เริ่มเห็นซ้ำในหมู่แล็บจีน: ใช้ช่วง preview เก็บ telemetry การใช้งานจริง เก็บฟีดแบ็ก และสร้างกระแสรอ แล้วค่อยปล่อยน้ำหนักตอนที่ชุมชนพร้อมจะรับไปทำ GGUF/quant ต่อภายในวันเดียว ผลคือวันปล่อยน้ำหนักกลายเป็นอีเวนต์ที่สองแทนที่จะเป็นเสียงกระซิบ

สำหรับทีมไทยและ SEA ผมมองว่าประเด็นที่ควรวางแผนตั้งแต่วันนี้คือ จะรอน้ำหนักหรือไม่รอ ถ้ารอ ต้องยอมรับว่า 600B ระดับนี้ไม่ใช่ของที่เอาลงเครื่องเดียวได้ — สมมติ FP8 ก็ยังอยู่ในระดับ 600 GB+ ต้องเป็นคลัสเตอร์หลายใบ ซึ่งแปลว่า “น้ำหนักเปิด” ในกรณีนี้มีค่าสำหรับผู้ให้บริการ inference ในภูมิภาคและองค์กรที่มีข้อบังคับเรื่องข้อมูลต้องอยู่ในประเทศ มากกว่านักพัฒนาเดี่ยว ส่วนคนที่แค่อยากได้โมเดลราคาถูกไว้ขับเอเจนต์ API ที่ $1/$2.70 ตอนนี้ก็จบแล้ว ไม่ต้องรอ

จุดที่ผมคิดว่าถูกมองข้าม คือคะแนน FrontierFinance 66.4 ที่นำ GPT-6 Astra อยู่ 11 จุด — StepFun เลือกทุ่มกับโดเมนการเงินอย่างตั้งใจ และในบริบท SEA ที่ธนาคารและบริษัทหลักทรัพย์กำลังหาโมเดลมาทำงานวิเคราะห์เอกสาร ตัวเลือกที่ “เก่งการเงินเป็นพิเศษ + ราคาหนึ่งในสามของคู่แข่งระดับเดียวกัน + น้ำหนักเปิดให้รันในประเทศได้” เป็นโจทย์ที่ตรงกับข้อจำกัดด้าน data residency ของอุตสาหกรรมนี้พอดี น่าจับตากว่าคะแนน coding ที่ทุกเจ้าไล่กันอยู่

และข้อเตือนใจประจำ: ถ้าจะอ้างตัวเลขจากข่าวนี้ ให้ไปอ่านหน้าประกาศกับเอกสารนักพัฒนาเอง — ภายในไม่กี่ชั่วโมงหลังเปิดตัว มีสำนักข่าวที่รายงานคอนเท็กซ์ผิดเป็น 100K ไปแล้ว ทั้งที่ตัวเลขจริงมากกว่านั้นสิบเท่า

แหล่งข่าว

• Step 5 Preview: Advancing the Pareto Frontier — StepFun
• Step 5 Preview — StepFun Open Platform Documentation
• Pricing and Rate Limits — StepFun Open Platform
• Step 5 Preview — Artificial Analysis