StepFun ouvre Step 5, son modèle à 600 milliards de paramètres

Le passage du modèle hébergé au modèle téléchargeable

StepFun a ouvert les poids de Step 5 Preview, son modèle phare pour les tâches agentiques, et transforme ainsi un modèle surtout accessible par API en un système que certaines équipes peuvent héberger elles-mêmes [1]. Les chiffres sont conçus pour frapper: 600 milliards de paramètres au total, 27 milliards de paramètres actifs par token, et une fenêtre de contexte pouvant atteindre un million de tokens [1]. Ce n’est donc pas un modèle compact pour ordinateur personnel, mais un grand modèle sparse Mixture-of-Experts pensé pour combiner une très grande capacité avec une activation partielle à l’inférence [1].

Les poids sont disponibles via Hugging Face et ModelScope, avec des variantes FP8, BF16 et NVFP4 signalées dans l’espace officiel de StepFun [3]. MarkTechPost décrit également les checkpoints FP8 et BF16 comme actifs sur les deux plateformes, en présentant Step 5 Preview comme une nouvelle option auto-hébergeable pour les agents de codage, l’analyse documentaire et les flux de travail financiers [2]. AI Tamer ajoute un détail utile sur la chronologie: l’API de Hugging Face indiquait, pour les trois dépôts officiels, des modifications le 15 octobre 2026 entre 01:26 et 01:31 UTC [4].

C’est le vrai changement. Step 5 Preview existait déjà comme modèle hébergé; les développeurs peuvent désormais examiner, télécharger, déployer et adapter des poids officiels plutôt que d’appeler seulement une API fermée [3]. Dans la compétition actuelle autour des agents, cette différence compte: les entreprises veulent connecter les modèles à leurs dépôts de code, outils internes, documents privés, bases financières et chaînes d’exécution longues sans nécessairement envoyer tout le contexte à un fournisseur externe.

Un modèle taillé pour les agents longs

La fiche Hugging Face de StepFun présente Step 5 Preview comme un modèle phare pour le travail agentique, avec des points forts en génie logiciel, travail de connaissance professionnel et finance [1]. Le modèle est décrit comme capable d’aider sur des dépôts de code complets, d’utiliser des outils à répétition, d’analyser de longs documents, des graphiques, des captures d’écran, des images et de produire des rapports structurés [1]. Le pari technique est clair: les agents de longue durée n’ont pas seulement besoin d’un meilleur prochain token; ils ont besoin d’une mémoire de travail beaucoup plus large.

La fenêtre d’un million de tokens est donc la promesse centrale. Elle peut contenir plusieurs livres, des dépôts logiciels volumineux, des dossiers juridiques ou financiers, ou encore une longue trace d’observations intermédiaires générées par un agent. En version plus légère, elle pourrait avaler plusieurs annexes de Dune avant le petit-déjeuner. Plus sérieusement, un tel contexte modifie l’économie de la recherche d’information: au lieu de compresser agressivement chaque source avant chaque appel, un système peut parfois garder davantage de preuves brutes sous les yeux du modèle.

L’architecture sparse MoE complète cette proposition. Step 5 Preview annonce 600 milliards de paramètres au total, mais seulement 27 milliards actifs par token [1]. L’intérêt est d’approcher la richesse d’un très grand modèle sans supporter le coût d’inférence d’un modèle dense de même taille à chaque génération. Cela ne rend pas Step 5 bon marché, mais cela déplace le compromis coût-capacité.

Des poids ouverts, pas une licence sans contraintes

Il faut toutefois être précis sur l’expression “poids ouverts”. StepFun rend les poids disponibles publiquement, mais ce n’est pas une publication open source classique sous une licence permissive standard. La fiche Hugging Face indique un champ de licence “other” et précise que le modèle est régi par la StepFun Model License 1.0, décrite comme une licence de style Apache 2.0 avec des conditions supplémentaires d’attribution et d’usage commercial [1]. TSN Media insiste sur le même point: il ne s’agit pas d’un modèle sous Apache 2.0 pur [5].

Ces conditions sont importantes pour les entreprises. Selon TSN Media, les produits commerciaux utilisant le modèle et dépassant 100 millions d’utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels doivent afficher “Powered by StepFun AI”; une licence commerciale séparée est aussi exigée pour certains fabricants d’appareils et pour les fournisseurs de Model-as-a-Service dépassant un seuil de revenus [5]. AI Tamer relève également que la licence traite les modèles entraînés de manière substantielle sur les sorties de Step 5 comme des œuvres dérivées, une clause essentielle pour les acteurs envisageant la distillation [4].

La conclusion pratique est donc nuancée. Les chercheurs, équipes d’infrastructure et startups ont accès à un modèle d’une ampleur inhabituelle hors API fermée. Mais ce n’est pas un don sans friction au domaine public. Toute équipe qui veut fine-tuner, distiller, revendre l’accès ou intégrer Step 5 dans un produit devrait lire la licence avant d’aller plus loin.

Le mur du matériel

L’ouverture des poids est importante, mais l’auto-hébergement demande une infrastructure lourde. La table de déploiement de StepFun mentionne, pour vLLM en FP8, un nœud B300 avec quatre GPU ou un nœud H200 avec huit GPU; pour BF16, elle indique un nœud B300 avec huit GPU ou deux nœuds H200 totalisant 16 GPU [1]. MarkTechPost résume la même réalité de centre de données: FP8 nécessite 4 B300 ou 8 H200, tandis que BF16 demande 8 B300 ou 16 H200 [2].

Autrement dit, Step 5 Preview est “ouvert” parce que ses poids peuvent être obtenus, pas parce que tout développeur peut le lancer sur sa machine. Les premiers utilisateurs probables seront des entreprises d’infrastructure IA, de grands groupes, des laboratoires de recherche, des plateformes d’agents et des équipes cloud disposant déjà de clusters multi-GPU. Pour ces acteurs, le bénéfice peut être stratégique: un déploiement privé peut améliorer la gouvernance des données, faciliter l’optimisation bas niveau et permettre une intégration plus fine aux systèmes internes.

Même pour eux, la fenêtre d’un million de tokens doit être vue comme une capacité maximale annoncée, pas comme une magie gratuite. L’inférence long contexte consomme beaucoup de mémoire via le cache clé-valeur, et les notes de déploiement de StepFun indiquent que la mémoire nécessaire, la longueur réellement utilisable et la concurrence dépendent du checkpoint, du framework d’inférence et de l’allocation du cache [1]. Temperature2 formule le même avertissement plus directement: les configurations indiquées chargent les poids, mais ne garantissent pas qu’une requête complète à un million de tokens soit pratique une fois ajoutés les buffers d’exécution et le KV cache [6].

Des performances à reproduire

StepFun présente des résultats de benchmark en codage, tâches agentiques, travail professionnel et finance, mais plusieurs comptes rendus récents rappellent que de nombreux graphiques restent fournis par le vendeur [1][5]. MarkTechPost cite notamment 67,7 sur DeepSWE v1.1, 33,3 sur Terminal-Bench 4.0, et un score d’Artificial Analysis Intelligence Index autour de 43,7 à 44 selon le point de référence [2]. Temperature2 décrit aussi le score Artificial Analysis de Step 5 comme un argument de coût par intelligence, non comme une revendication de première place absolue [6].

La nuance est essentielle. La publication des poids permet enfin à la communauté de tester Step 5 Preview sur les checkpoints publics, plutôt que de s’appuyer seulement sur le système hébergé de StepFun ou sur des diapositives de lancement. Pour un modèle destiné aux agents, la vraie évaluation ne sera pas une seule table de scores. Elle portera sur sa robustesse dans des dépôts de code désordonnés, des boucles d’outils longues, de la synthèse multi-documents, des raisonnements financiers complexes et des charges privées difficiles à standardiser.

Les tests les plus intéressants devraient répondre à trois questions. Les poids publics reproduisent-ils les résultats annoncés en codage et finance? Quelle fraction du contexte d’un million de tokens peut être servie avec une latence et un coût acceptables? L’architecture à 27 milliards de paramètres actifs offre-t-elle réellement un avantage économique face aux modèles denses ou aux MoE plus coûteux dans des déploiements agentiques concrets?

Pourquoi cette ouverture compte

Le mouvement de StepFun augmente la pression sur un marché où les modèles les plus capables restent souvent enfermés derrière des API propriétaires. Un modèle de 600 milliards de paramètres à poids ouverts, doté d’un contexte d’un million de tokens, donne aux développeurs plus de marge pour construire des agents personnalisés sans abandonner tout contrôle sur l’infrastructure, les flux de données ou l’adaptation du modèle [2][3]. Il renforce aussi la concurrence entre laboratoires chinois et internationaux autour des modèles longs, grands et orientés agents.

Il ne faut pourtant pas confondre cette ouverture avec une démocratisation totale. Le ratio de paramètres actifs peut réduire le coût d’inférence par rapport à un modèle dense de taille équivalente, mais les checkpoints, les GPU nécessaires et la mémoire de contexte placent toujours Step 5 Preview dans un univers d’entreprise [1][2]. La licence ajoute une couche de calcul stratégique: accès ouvert, oui; réutilisation commerciale sans limites, non [5].

L’histoire Step 5 dépasse donc une simple fiche modèle. Elle signale une diversification de l’accès aux modèles de très grande taille: plus seulement une API hébergée, plus seulement un assistant propriétaire, mais un nombre croissant de systèmes téléchargeables que des équipes sophistiquées peuvent servir, optimiser et mesurer elles-mêmes. Si Step 5 Preview se révèle stable hors de l’environnement de StepFun, sa fenêtre d’un million de tokens et son architecture MoE à 27 milliards de paramètres actifs pourraient devenir une brique sérieuse pour les agents personnalisables de longue durée.

Sources des dernières 72 heures

1. [1]stepfun-ai/Step-5-Preview · Hugging Face15 oct. 2026, 03:28
2. [2]StepFun Releases Step 5 Preview Open Weights: 600B MoE, 27B Active, 1M Context - MarkTechPost16 oct. 2026, 02:00
3. [3]StepFun releases Step 5 Preview open weights | Post-Cutoff15 oct. 2026, 02:00
4. [4]StepFun's Step 5 Preview weights are public, under its own license · AI Tamer15 oct. 2026, 16:37
5. [5]StepFun Publishes Open Weights for Step 5 Preview Under Its Own Licence, Not Apache 2.015 oct. 2026, 02:00
6. [6]StepFun publishes 600B Step 5 Preview open weights15 oct. 2026, 02:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.