StepFun ने कम कीमत वाला फ्लैगशिप मॉडल उतारा और ओपन वेट्स (Open Weights) का वादा किया

20 सितंबर 2026 को StepFun (阶跃星辰, Shanghai) ने Step 5 Preview पेश किया — एजेंटिक (Agentic) काम के लिए अपना नया फ़्लैगशिप मॉडल (Model), जिसे "advancing the Pareto frontier" के ढाँचे में रखा गया: काफ़ी कम लागत पर फ़्रंटियर-स्तरीय प्रदर्शन, ख़ास तौर पर सॉफ़्टवेयर इंजीनियरिंग और फ़ाइनेंस में मज़बूती। इस लॉन्च ने Step 4.x लाइन को पूरी तरह छोड़ दिया (Step-3.7-Flash → Step 5), जिसे कंपनी जानबूझकर किया गया स्टेप-चेंज बताती है (FACT; OrcaRouter और BitsMinds ने यह दर्ज किया)।

क्या रिलीज़ हुआ (FACT, आधिकारिक डॉक्स + घोषणा):

• स्पार्स MoE (Sparse MoE), कुल 600B / प्रति टोकन 27B सक्रिय (प्रति फ़ॉरवर्ड पास वेट्स का ~4.5%) — कॉन्फ़िग विक्रेता द्वारा घोषित है और वेट्स आने तक स्वतंत्र रूप से जाँचा नहीं जा सकता; AA "600 billion parameters" दर्ज करता है।
• 1M-टोकन कॉन्टेक्स्ट विंडो (Context Window) (अधिकतम इनपुट); अधिकतम आउटपुट 64k टोकन — 1M/64k का यह असंतुलन हेडलाइनों में व्यापक रूप से छूट गया।
• इनपुट: टेक्स्ट, इमेज (प्रति रिक्वेस्ट 60 तक), वीडियो (MP4/QuickTime/Matroska <128MB, ~5 मिनट अनुशंसित); आउटपुट: केवल टेक्स्ट (FACT, डॉक्स; AA टेक्स्ट+इमेज बताता है)।
• उसी दिन लाइव पेड एपीआई + StepFun AI Studio, मॉडल आईडी step-5-preview; स्ट्रीमिंग, टूल कॉलिंग, JSON Mode/Schema, प्रॉम्प्ट कैशिंग, चुनने योग्य reasoning_effort (low/medium/high), एक OpenAI-संगत Chat Completions एपीआई + Messages एपीआई, और एक प्रलेखित Claude Code इंटीग्रेशन ("Step Plan", 1M कॉन्टेक्स्ट) (FACT, डॉक्स)।
• प्राइसिंग (FACT, आधिकारिक प्राइसिंग पेज + AA): $1.00/M इनपुट (कैश मिस), $0.05/M इनपुट (कैश हिट — 95% छूट), $2.70/M आउटपुट (रीज़निंग ट्रेस शामिल)। संचयी टॉप-अप के अनुसार रेट टियर V0–V4 (5 → 130 कन्करेंसी; 100 → 2,600 RPM; 0.5M → 13M TPM)। लॉन्च पर एक एपीआई प्रोवाइडर (StepFun; Vercel AI Gateway के ज़रिए भी सामने आया)।
• वेट्स 15 अक्टूबर के लिए वादा किए गए (आधिकारिक पेज; eesel के अनुसार होमपेज पर काउंटडाउन) — एक प्रतिबद्धता, जिसमें कोई लाइसेंस नामित नहीं और इस शोध (23 सितंबर) तक कोई मॉडल कार्ड प्रकाशित नहीं।

स्वतंत्र मापन (INDEPENDENTLY VERIFIED, Artificial Analysis, पेज 2026-09-23 को फ़ेच किया गया): Intelligence Index v4.3.2 = 44 (#32/212 मॉडल; मिलती-जुलती कीमत वाले रीज़निंग मॉडलों का मीडियन: 25), श्रेणी-मीडियन से काफ़ी ऊपर; $0.72 लागत प्रति Intelligence Index टास्क; इंडेक्स रन पर 160M आउटपुट टोकन बनाम 88M मीडियन (बहुत वर्बोज़ — 4/4 वर्बोसिटी यूनिट); आउटपुट 83.6 t/s (श्रेणी-मीडियन 74 से ऊपर); TTFT 3.17 s (मीडियन 3.83 s से बेहतर); 95% कैश छूट; 1M कॉन्टेक्स्ट (~1,500 A4 पेज); 1 एपीआई प्रोवाइडर; Proprietary वर्ग में (वेट्स सार्वजनिक नहीं)। AA मॉडल की तिथि 18 सितंबर 2026 मानता है।

कंपनी द्वारा प्रकाशित प्रदर्शन-दावे (स्वतंत्र रूप से दोहराए जाने तक COMPANY CLAIM): DeepSWE v1.1 67.7 (High) बनाम Kimi K3 67.5 / GLM-5.3 66.9 / GPT-6 Astra 74.1 / Claude Opus 5 74.0; StepCodeBench (इन-हाउस, 553 रेपो, 33 भाषाएँ) 49.0 बनाम Kimi 43.9 / GLM 40.2; ProgramBench 80.5; Terminal-Bench v2.1 85.0; BrowseComp 88.7; FrontierFinance 66.4 (सभी ओपन साथियों से आगे; GPT-6 Astra 55.0 को पीछे छोड़ता है); DRACO 83.3; GPQA Diamond 93.5%; HLE 46.5%; छह StepCodeBench श्रेणियों में "leads open-weight models"; ~70% विशेषज्ञ मूल्यांकनकर्ताओं ने इसे मध्यम-उच्च जटिलता वाले कोडिंग कार्यों को स्वायत्त रूप से हल करने में सक्षम माना; एक अकेली एजेंट कार्रवाई ने 950 वेब फ़ेच समन्वित किए; GLM-5.3 और Kimi K3 की तुलना में तुलनीय इंटेलिजेंस पर 65% कम लागत (लॉन्च चार्ट)।

दो 24-घंटे के एजेंट प्रयोग (COMPANY CLAIM — डेमो, बेंचमार्क मूल्यांकन नहीं): (1) H100 पर स्वायत्त MLA GPU-कर्नेल ऑप्टिमाइज़ेशन, head-dim 512, batch 1/64 heads/8,192 टोकन — ~22 घंटे में 508 TFLOP/s तक पहुँचा, जबकि उसी टास्क सेटअप में Claude Opus 5 ने 493 TFLOP/s दिया (आधिकारिक पेज, MarkTechPost, KuCoin, OrcaRouter); (2) एक एपीआई एनोटेटर के ज़रिए AIME24 पर Qwen3-30B-A3B का स्वायत्त पोस्ट-ट्रेनिंग — 53.3% → 60% सटीकता, कम एनोटेटर टोकन के साथ Claude Opus 5 के नतीजे के बराबर।

डिस्कवरी रिकॉर्ड में सुधार / परिष्कार (महत्वपूर्ण):

• "DeepSWE v1.1 66.4 (High)" — संख्यात्मक गड़बड़। आधिकारिक पेज की सॉफ़्टवेयर-इंजीनियरिंग पंक्ति DeepSWE v1.1: 67.7 (High) है (Kimi K3 Max 67.5, GLM-5.3 Max 66.9, GPT-6 Astra 74.1, Claude Opus 5 74.0 के मुकाबले)। 66.4 FrontierFinance का स्कोर है (GLM-5.3 64.1, DeepSeek V4.1 Flash 63.0, Kimi K3 62.6, Opus 5 69.7, GPT-6 Astra 55.0 के मुकाबले)। ऐसा लगता है कि डिस्कवरी रिकॉर्ड ने दो पंक्तियाँ आपस में मिला दी हैं। वैसे भी ये सब COMPANY CLAIM हैं (StepFun के अपने हार्नेस; Step ने High प्रयास पर चलाया, जबकि प्रतिद्वंद्वी Max पर चले — MarkTechPost और BitsMinds ने यह इंगित किया)।
• "Roughly 1/8 the task cost of Claude Opus 5" — पद्धति पर निर्भर, और AA की अपनी इंडेक्स-रन लागतों से काफ़ी हद तक पुष्ट। एक जैसे 1M-इनपुट/0.1M-आउटपुट वर्कलोड पर सपाट टोकन-कीमत का गणित ~5.9× (8× नहीं) देता है (Toolbit का अंकगणित, labs/S10.md में दोहराया गया: $1.27 बनाम $7.50)। लेकिन Artificial Analysis के प्रकाशित आँकड़ों में पूरा Intelligence Index v4.3.2 रन पूरा करने की लागत Step 5 Preview के लिए $922.84 बनाम Claude Opus 5 के लिए $7,274.74 है — यानी 7.88× अनुपात, ≈ 1/8 (OrcaRouter, अधिकतम रीज़निंग प्रयास पर AA के रन-कॉस्ट डेटा का हवाला देते हुए)। इसलिए कंपनी का दावा AA की टास्क-स्तरीय लागतों के अनुरूप है, और 1/8 वाली पंक्ति वही है जो चीनी मीडिया ने आगे पहुँचाई (36kr, 财联社, 新浪财经 via WorldAttention); फिर भी यह विक्रेता द्वारा तैयार किया गया दावा है जिसकी पद्धति अघोषित है, और इसे इस तरह रिपोर्ट किया जाना चाहिए: "≈1/8 on AA's own per-run costs; ~5.9× on flat token arithmetic; treat as a cost ratio of roughly 6–8× depending on methodology."
• "Text/image/video input" — आधिकारिक डॉक्स के अनुसार CONFIRMED; Artificial Analysis केवल टेक्स्ट और इमेज बताता है। StepFun के डॉक्स पेज पर स्पष्ट रूप से Text, इमेज और वीडियो दर्ज हैं (वीडियो: MP4/QuickTime/Matroska, <128MB, ~5 मिनट अनुशंसित)। AA का मॉडल पेज कहता है "Supports: text and image." यह छोटा अंतर है (संभव है AA अभी वीडियो इनपुट नहीं आज़माता), पर हवाला देने से पहले इसे पिन कर लेना चाहिए।
• "Weights promised October 15" — COMPANY COMMITMENT, रिलीज़ हुआ तथ्य नहीं। आधिकारिक पेज: "The model will be released with open weights on October 15." 22–23 सितंबर तक: कोई वेट्स नहीं, कोई मॉडल कार्ड नहीं, कोई लाइसेंस नामित नहीं। आधिकारिक HF रेपो stepfun-ai/Step-5-Preview-BF16 मौजूद है पर खाली प्लेसहोल्डर है (eesel) / अनुपलब्ध — हटाया गया या गेटेड (Toolbit)। इस शोध के दौरान सीधी HF एपीआई जाँच ने उस रेपो के लिए और एक गढ़े गए पाथ के लिए भी HTTP 401 लौटाया (इसलिए अकेली जाँच अनिर्णायक है; यह निष्कर्ष स्वतंत्र विवरणों से आता है)। Artificial Analysis आज भी मॉडल को Proprietary वर्ग में रखता है: FAQ में "Is Step 5 Preview open source? No. The model weights are not publicly available." लाइसेंस की अपेक्षा: StepFun के पहले के ओपन Flash रिलीज़ उदार थे (कई स्रोतों के अनुसार Step-3.5-Flash Apache-2.0; Toolbit और eesel दोनों कहते हैं कि Flash लाइन Apache-2.0 के साथ आई थी; एक डायरेक्टरी स्रोत, LLMReference, Step 3.7 Flash को proprietary बताता है — छोटा स्रोत-विरोध — पर Step 5 के लिए तो किसी भी तरह कोई लाइसेंस नामित ही नहीं हुआ है)।
• "Par with Kimi K3 Max" — संख्या के रूप में INDEPENDENTLY VERIFIED, एक श्रेणी-चेतावनी के साथ। Step 5 Preview के लिए AA Intelligence Index 44 बराबर है Kimi K3 (max) के 44 के (S09 शोध, AA ओपन-सोर्स लीडरबोर्ड)। चेतावनी: AA इस समय Step 5 Preview को proprietary वर्ग में रखता है (अभी वेट्स नहीं), जबकि Kimi K3/GLM-5.3/MiMo-V2.6-Pro डाउनलोड-योग्य हैं — इसलिए "शीर्ष-तीन ओपन-वेट स्थान" केवल संख्यात्मक है, 15 अक्टूबर तक। 22 सितंबर तक AA के डेटा पर ओपन-वेट परिवार का क्रम: MiMo-V2.6-Pro 46 > GLM-5.3 (max) 45 > Kimi K3 (max) 44 = Step 5 Preview 44 — यानी Step 5 ओपन-वेट श्रेणी में Xiaomi और Z AI के पीछे तीसरे स्थान पर बराबरी करता है।
• KuCoin की हेडलाइन में गलती: क्रिप्टो-एग्रीगेटर का शीर्षक "100K Token Context" कहता है, जबकि उसका ही मुख्य पाठ 1M कहता है — हेडलाइन अपने ही लेख से मेल नहीं खाती; यह इस बात का उदाहरण है कि क्रिप्टो-न्यूज़ सारांशों की क्रॉस-जाँच क्यों ज़रूरी है।
• रैंक/गति के आँकड़े खिसकते रहते हैं: AA का लाइव पेज (शोध तिथि 2026-09-23) Intelligence Index पर #32/212, 83.6 t/s, $0.72 प्रति इंडेक्स टास्क, 160M आउटपुट टोकन दिखाता है; लॉन्च-सप्ताह के सारांशों ने #26/202 और ~99.8–100 t/s तथा $0.71 टास्क लागत का हवाला दिया था। लाइव पेज पर AA के इंडेक्स-बनाम-कीमत मीडियन: इंटेलिजेंस मीडियन 25, इनपुट मीडियन $2.00, आउटपुट मीडियन $10.00, गति मीडियन 74 t/s, वर्बोसिटी मीडियन 88M। हवाला देते समय कैप्चर की तिथियाँ दर्ज करें।

• चीनी ओपन-वेट (open-weight) कीमत/इंटेलिजेंस जंग को एक ही हफ़्ते में चौथा बड़ा प्रवेशक मिल गया। Xiaomi MiMo-V2.6-Pro (46, $0.435/$0.87) और GLM-5.3 (45) ने हफ़्ते की शुरुआत की; Step 5 Preview 44 पर $1.00/$2.70 के साथ उतरता है — GLM-5.3 ($1.40/$4.40) और Kimi K3 ($3.00/$15.00) से प्रति टोकन सस्ता, जबकि MiMo अब भी सस्ता और ऊँचे इंडेक्स पर है। (इंडेक्स/कीमत पंक्तियों पर INDEPENDENT EVIDENCE; रणनीतिक ढाँचा INTERPRETATION है।)
• "State-of-the-art open-weight" नेतृत्व अब टाले गए वेट्स की चेतावनी के साथ आता है। StepFun वैश्विक ओपन-सोर्स रैंकिंग में शीर्ष-तीन होने का दावा करता है, पर 23 सितंबर तक वेट्स डाउनलोड-योग्य नहीं हैं; AA मॉडल को proprietary वर्ग में रखता है। 44 का स्कोर असली है; "open" वाला हिस्सा अक्टूबर का वादा है। (INDEPENDENT EVIDENCE + COMPANY CLAIM।)
• प्रति-टास्क लागत की बहस अब जाँचने योग्य हो गई है। AA असली cost-to-run डेटा प्रकाशित करता है; Opus 5 के 1/8 वाला दावा AA के आँकड़ों से टकराकर लगभग टिक जाता है (इंडेक्स-रन लागत पर 7.88×), भले ही सपाट टोकन गणित ~5.9× कहता है। वर्बोसिटी का कर अब मात्रात्मक है: इंडेक्स रन पर 160M आउटपुट टोकन — $2.70/M पर यह अकेले आउटपुट का $432 है; Opus 5 के $25/M पर वही वर्बोसिटी $4,000 होती। (INDEPENDENT EVIDENCE + अंकगणित; देखें labs/S10.md।)
• 1M-इन / 64k-आउट कॉन्टेक्स्ट की असमानता सार्वजनिक स्पेक शीट में दर्ज हुई। 1M-टोकन कॉन्टेक्स्ट हेडलाइन फ़ीचर है, पर अधिकतम आउटपुट 64k है — यह बाधा लंबे-फ़ॉर्म जनरेशन की योजना बदल देती है और ज़्यादातर लॉन्च कवरेज में मौजूद नहीं थी। (FACT, डॉक्स।)
• एजेंटिक-मॉडल की अर्थव्यवस्था कैश की ओर खिसक गई। 95% कैश-हिट छूट के कारण एजेंट लूप में ~1M-टोकन के रेपो को बार-बार पढ़ना नाटकीय रूप से सस्ता हो जाता है: पहला पढ़ना $1.00 + 9 कैश्ड रीड्स $0.05 पर = $1.45, बिना कैश के $10 के मुकाबले। (FACT, अंकगणित; डॉक्स प्राइसिंग में INDEPENDENT।)

पहले (सितंबर 2026 के मध्य तक):

• StepFun का नवीनतम ओपन रिलीज़ Step-3.5/3.7-Flash था (~200B/11B-सक्रिय श्रेणी, 256k कॉन्टेक्स्ट, $0.20/$1.15, ज़्यादातर विवरणों के अनुसार Apache-2.0); Step-4.x लाइन कभी रिलीज़ ही नहीं हुई।
• AA के डेटा पर ओपन-वेट परिवार: MiMo-V2.6-Pro 46, GLM-5.3 (max) 45, Kimi K3 (max) 44 — सब डाउनलोड-योग्य। ओपन श्रेणी में 44 पर केवल Kimi K3 था।
• बंद फ़्रंटियर कीमतें: Claude Opus 5 $5/$25 (AA इंडेक्स 51), GPT-6 Astra $10/$50 (इंडेक्स 53); उसी हफ़्ते Grok 4.7 $2/$6।
• इस कीमत-पट्टी में $1/$2.70 पर 1M कॉन्टेक्स्ट वाला 600B-पैरामीटर एपीआई मौजूद नहीं था; StepFun का फ़्लैगशिप-श्रेणी का कोई मॉडल किसी भी कीमत पर उपलब्ध नहीं था।

बदलाव (20 सितंबर 2026):

• Step 5 Preview की घोषणा और उसी दिन एपीआई खुला: 600B/27B स्पार्स MoE, 1M कॉन्टेक्स्ट, टेक्स्ट/इमेज/वीडियो इनपुट, $1.00/$0.05/$2.70, 64k अधिकतम आउटपुट, reasoning-effort डायल, Claude Code इंटीग्रेशन, AA इंडेक्स 44 और $0.72/टास्क लागत।
• वेट्स 15 अक्टूबर के लिए घोषित (केवल वादा; प्लेसहोल्डर HF रेपो; कोई लाइसेंस नहीं)।
• स्वतंत्र रिकॉर्ड अपडेट हुआ: AA पेज लाइव, इंडेक्स 44 (#32/212), 160M टोकन की वर्बोसिटी चिह्नित, TB4.0 पर 33.3 मापा गया (विक्रेता की Terminal-Bench v2.1 85.0 हेडलाइन के मुकाबले)।

बाद में:

• ओपन-वेट कीमत-प्रदर्शन फ़्रंटियर को "सक्षम मिड-टियर" छोर पर एक नया कीमत-निर्धारक मिल गया; ओपन क्षेत्र का शीर्ष (46/45/44) अब चीनी लैब्स के दबदबे में है, और StepFun 44 पर फ़ाइनेंस/एजेंटिक-कोडिंग वर्टिकल पर दाँव लगा रहा है।
• हर एंटरप्राइज़ और डेवलपर की मॉडल-चयन तालिका में अब "Step 5 Preview (44, $1/$2.70, API-only, weights 10/15 pending license)" नज़र रखने वाली पंक्ति के रूप में है — और MiMo-V2.6-Pro दोनों में सस्ता-और-होशियार ओपन विकल्प के रूप में।
• StepFun जिस "Pareto frontier" ढाँचे का नाम लेता है, वह अब मापने योग्य है: AA की प्रति-इंडेक्स-टास्क लागत प्रकाशित है, इसलिए "हासिल इंटेलिजेंस के हिसाब से सस्ता" जैसे दावे अलंकार नहीं, जाँचने योग्य हैं। (INTERPRETATION)

• स्पार्स MoE (घोषित स्पेक के रूप में FACT; वेट्स आने तक आर्किटेक्चर विवरण विक्रेता का कथन है): कुल 600B पैरामीटर, प्रति टोकन 27B सक्रिय — एक राउटर प्रति फ़ॉरवर्ड पास वेट्स का ~4.5% सक्रिय करता है, जो कम टोकन कीमत का संरचनात्मक आधार है। 27B सक्रिय, DeepSeek/GLM के "flash" टियर से भारी है (Hacker News की एक आलोचना), इसलिए दक्षता का तर्क "प्रति-सक्रिय-पैरामीटर इंटेलिजेंस" है, न कि कच्ची सक्रिय संख्या। (COMPANY CLAIM + eesel के ज़रिए समुदायिक आलोचना।)
• 92-लेयर संकरा-गहरा स्टैक (Pandaily के अनुसार, MarkTechPost ने दोहराया): StepFun का बताया गया तर्क यह है कि गहरे स्टैक लंबे प्रीफ़िल के दौरान अंतर्निहित मल्टी-हॉप रीज़निंग के लिए लंबे रास्ते देते हैं — यह तब प्रासंगिक है जब एजेंट एक ही लंबे कॉन्टेक्स्ट में खोजता है, कोड चलाता है और टूल रिटर्न पढ़ता है। (डिज़ाइन-इरादे के बारे में COMPANY CLAIM।)
• ट्रेनिंग/सिस्टम्स के दावे (COMPANY CLAIM): on-policy, लंबे-क्षितिज का RL; MoE राउटिंग में bit-wise train-inference अलाइनमेंट; MTP-3 स्पेक्युलेटिव डिकोडिंग; FP8 MoE; KV-cache ऑफ़लोड; लंबे-क्षितिज RL के लिए >3× एंड-टू-एंड स्पीडअप बताया गया। अभी कोई तकनीकी रिपोर्ट या पेपर प्रकाशित नहीं (eesel ने दर्ज किया)।
• रीज़निंग नियंत्रण (FACT): reasoning_effort = low/medium/high; आउटपुट टोकन में पूरा रीज़निंग ट्रेस शामिल है, इसलिए आउटपुट-कीमत वाले एपीआई पर effort सीधा लागत-डायल है।
• सर्विंग स्टैक (FACT, डॉक्स): OpenAI-संगत Chat Completions + Messages एपीआई, स्ट्रीमिंग, टूल कॉलिंग, JSON Mode/Schema, प्रॉम्प्ट कैशिंग, URL-या-Base64 से इमेज (60 इमेज तक, low/high डिटेल), URL/Base64/stepfile:// Files एपीआई के ज़रिए वीडियो, और 1M कॉन्टेक्स्ट उजागर करने वाला Claude Code ("Step Plan") इंटीग्रेशन। रिट्रीवल/टूल्स इंटीग्रेट करने वाला एप्लिकेशन देता है, मॉडल ख़ुद नहीं (डॉक्स इस पर स्पष्ट हैं)।
• एजेंटिक पोज़िशनिंग (COMPANY CLAIM): 24-घंटे का H100 MLA-कर्नेल प्रयोग और Qwen3-30B-A3B AIME24 पोस्ट-ट्रेनिंग लूप लंबे-क्षितिज की स्वायत्तता के प्रदर्शन हैं: मॉडल 24 घंटे तक ख़ुद संपादित करता है, चलाता है, मापता है और पुनरावृत्ति करता है।

1. प्रति-इंटेलिजेंस कीमत का वक्र फिर हिला — और इस बार दावा जाँचने योग्य है। AA स्वतंत्र रूप से $0.72 प्रति इंडेक्स टास्क पर 44 मापता है (मिलती-जुलती कीमत वाले रीज़निंग मॉडलों का मीडियन: 25 इंडेक्स)। Opus 5 के 1/8 वाला दावा AA के अपने रन-कॉस्ट डेटा पर लगभग टिक जाता है (7.88×) — यह दुर्लभ मामला है जब लॉन्च का लागत-दावा किसी स्वतंत्र बेंचमार्क के बिल से टकराकर बचता है। (INDEPENDENT EVIDENCE, साथ में 5.9× सपाट-कीमत की चेतावनी।)
2. यह एक ही विंडो में चार-तरफ़ा चीनी ओपन-वेट-कीमत की थाली पूरी करता है (MiMo 46, GLM 45, Step 5 = Kimi 44)। StepFun का अंतर कच्चा ओपन-श्रेणी प्रदर्शन-प्रति-कीमत नहीं है (MiMo सस्ता भी है और होशियार भी); उसका अंतर फ़ाइनेंस/कोडिंग एजेंटिक वर्टिकल, मल्टीमॉडल इनपुट, 1M कॉन्टेक्स्ट और पहले दिन से Claude Code इंटीग्रेशन है, $1/$2.70 पर। (पंक्तियों पर FACT; अंतर पर INTERPRETATION।)
3. "ओपन वेट्स" का वादा अब तिथि-बद्ध प्रतिबद्धता है और उसका असली गवर्नेंस वज़न है। 15 अक्टूबर एक सार्वजनिक समय-सीमा है: लाइसेंस, कॉन्फ़िग समानता (600B/27B) और BF16 आर्टिफ़ैक्ट्स — सब जाँचने योग्य मदें हैं। इसके आधार पर बजट बनाने वाले एंटरप्राइज़ इसे मज़बूत उदार मिसाल (Apache-2.0 Flash लाइन) और ग़ैर-शून्य प्रतिबंधक-लाइसेंस जोखिम वाला वादा मानें। (COMPANY COMMITMENT + INTERPRETATION।)
4. वर्बोसिटी अब मॉडल-चयन में प्रथम-श्रेणी का आर्थिक चर है। AA का 160M-टोकन इंडेक्स रन (88M मीडियन के मुकाबले) 4/4 वर्बोसिटी रीडिंग है: $2.70/M आउटपुट पर वर्बोसिटी कीमत के फ़ायदे का बड़ा हिस्सा खा जाती है। सही निर्णय-मीट्रिक प्रति-टास्क लागत है, प्रति-टोकन कीमत नहीं (और AA उसे प्रकाशित करता है)। (INDEPENDENT EVIDENCE।)
5. एक चीनी लैब ने 24 घंटे के स्वायत्त सिस्टम्स काम को उत्पाद-डेमो के रूप में दिखाया (कर्नेल ट्यूनिंग 508 TFLOP/s तक; AIME24 पोस्ट-ट्रेनिंग 60% तक)। ये कंपनी के डेमो हैं, स्वतंत्र मूल्यांकन नहीं — पर ये पूरी इंडस्ट्री में एजेंटिक लंबे-क्षितिज के दावों के लिए अपेक्षा की पट्टी तय करते हैं। (COMPANY CLAIM, दिशा INTERPRETATION है।)

• $1/$2.70 पर, 95% कैश छूट के साथ, एपीआई के ज़रिए फ़्रंटियर-आकार (घोषित 600B) का रीज़निंग मॉडल चलाना — AA पर अब तक मापा गया सबसे सस्ता "44-श्रेणी" रीज़निंग ऑफ़र, लॉन्च के दिन ही लाइव।
• लंबे-कॉन्टेक्स्ट वाले एजेंटिक कोडिंग और फ़ाइनेंस वर्कफ़्लो, जो पहले आर्थिक रूप से अव्यवहारिक थे: ~1M-टोकन कॉन्टेक्स्ट को बार-बार पढ़ना वही पैटर्न है जिसे 95% कैश छूट निशाना बनाती है (पहला पढ़ना $1.00, हर कैश्ड दोबारा-पढ़ना $0.05)।
• शून्य टूलचेन माइग्रेशन के साथ Claude Code-नेटिव मूल्यांकन: प्रलेखित "Step Plan" इंटीग्रेशन का मतलब है कि टीमें इसी हफ़्ते अपने मौजूदा Claude Code फ़्लो के भीतर दूसरे मॉडल का A/B कर सकती हैं।
• कम लागत पर विज़ुअल-इनपुट एजेंटिक काम: प्रति रिक्वेस्ट 60 इमेज तक और स्क्रीनशॉट, चार्ट और UI फ़्लो के लिए छोटा वीडियो अंडरस्टैंडिंग — टेक्स्ट-टियर प्राइसिंग पर, प्रति-इमेज टोकन हिसाब के साथ।
• सेल्फ़-होस्टिंग — जल्द, शर्त के साथ। जब 15 अक्टूबर वेट्स + लाइसेंस + कॉन्फ़िग दे देगा, तब संगठन सेल्फ़-होस्टेड डिप्लॉयमेंट की योजना बना सकेंगे (600B BF16 ≈ KV कैश से पहले 1.2 TB — मल्टी-नोड, हल्का-फुल्का नहीं; MarkTechPost/BitsMinds का अंकगणित)। आज यह संभव नहीं है।

• बेंचमार्क वर्ज़निंग के जाल: विक्रेता Terminal-Bench v2.1 85.0 की हेडलाइन बनाता है, जबकि AA का Terminal-Bench 4.0 33.3 पढ़ता है; eesel की स्वतंत्र तालिका भी TB v4 पर 33.3 दिखाती है (Kimi 12.6, GLM 41.9, Opus 5 52.3)। अलग-अलग सूट अलग-अलग चीज़ें मापते हैं — विक्रेता-बनाम-स्वतंत्र तुलनाओं में बेंचमार्क का वर्ज़न पिन करना ज़रूरी है।
• 1M-इन/64k-आउट की असमानता लंबे-दस्तावेज़ दावों और कोडजेन पाइपलाइनों के लिए असली डिज़ाइन बाधा है: अधिकतम इनपुट 1M है, पर एकल-कम्प्लीशन आउटपुट 64k पर सीमित है — चंक्ड/विंडोड जनरेशन की योजना उसी हिसाब से बनाएँ। (FACT, डॉक्स।)
• रीज़निंग-एफ़र्ट डायल टोकन-अर्थशास्त्र का नियंत्रण है: आउटपुट का बिल रीज़निंग ट्रेस सहित लगता है, इसलिए low/medium/high सीधा लागत-लीवर है; वर्कफ़्लो को प्रति-टास्क जटिलता के हिसाब से इसे ट्यून करना चाहिए (FACT; लागत प्रभाव अंकगणित है)।
• कैश डिज़ाइन (95% हिट छूट) स्थिर प्रीफ़िक्स को पुरस्कृत करता है — तय सिस्टम प्रॉम्प्ट, सेशन का दोबारा उपयोग, रेपो स्नैपशॉट — जो एजेंट लूप के लिए सबसे अच्छा प्रॉम्प्टिंग पैटर्न है। (प्राइसिंग पर FACT; पैटर्न की सलाह व्युत्पन्न है।)
• 600B/27B कॉन्फ़िग की कोई स्वतंत्र जाँच अभी संभव नहीं — AA "600 billion parameters" दर्ज करता है (विक्रेता-प्रदत्त); MoE टोपोलॉजी, लेयर संख्या, एक्सपर्ट संख्या का सत्यापन वेट्स ड्रॉप माँगता है। 92-लेयर संकरा-गहरा दावा और MTP-3/FP8/KV-ऑफ़लोड स्टैक कार्ड/तकनीकी रिपोर्ट आने तक विक्रेता के विवरण हैं।
• गति के आँकड़े खिसकते हैं: लॉन्च-सप्ताह के कैप्चर ~99.8–100 t/s; AA का लाइव पेज अब 83.6 t/s पढ़ता है — मापन-विंडो की संवेदनशीलता (S09 में MiMo-V2.6 जैसा ही पैटर्न)। 1M प्रीफ़िल पर TTFT 3.17 s लंबे-कॉन्टेक्स्ट सर्विंग का निगरानी-योग्य डेटा-बिंदु है।

• इसी हफ़्ते step-5-preview को राउटिंग मैट्रिक्स में जोड़ें (API-only): इंडेक्स 44, $1/$2.70, कैश्ड $0.05, 95% कैश छूट, सीमित रेट टियर (V0: 5 कन्करेंट / 100 RPM / 0.5M TPM, जब तक आप टॉप-अप नहीं करते)। यह कोडिंग एजेंट्स और फ़ाइनेंस रिसर्च के लिए सस्ता, लाइव पायलट उम्मीदवार है — 15 अक्टूबर तक लाइसेंस और वेट्स की उपलब्धता तय होने से पहले प्रोडक्शन निर्भरता नहीं बनाएँ।
• प्रति-टास्क बजट बनाएँ, प्रति-टोकन नहीं। AA के $0.72/इंडेक्स-टास्क आँकड़े को संदर्भ मानें; अपनी वर्बोसिटी प्रोफ़ाइल के हिसाब से समायोजित करें — यह मॉडल मापने योग्य रूप से वर्बोज़ है (AA पर 4/4), और आउटपुट में रीज़निंग ट्रेस शामिल है।
• कैश का फ़ायदा उठाएँ: स्थिर सिस्टम प्रॉम्प्ट, बातचीत का दोबारा उपयोग और रेपो स्नैपशॉट 95% हिट छूट को लंबे एजेंट लूप की असली आर्थिक कहानी बना देते हैं।
• इस पर प्रोडक्ट बनाने से रुकने की वजहें: 64k अधिकतम आउटपुट; "Preview" प्रत्यय हटने तक प्राइसिंग न टिके; अभी वेट्स/लाइसेंस नहीं; आधिकारिक HF रेपो प्लेसहोल्डर/गेटेड है; license:other टैग वाले तीसरे-पक्ष के "1.21TB shard" रेपो आधिकारिक नहीं हैं — उन्हें वेट्स न मानें (Toolbit)।
• Claude Code इंटीग्रेशन लाइव और प्रलेखित है ("Step Plan", 1M कॉन्टेक्स्ट) — मौजूदा एजेंटिक टूलचेन छोड़े बिना परखने का सबसे कम-घर्षण रास्ता।
• ख़रीद के लिए गवर्नेंस जाँचें: 15 अक्टूबर तक लाइसेंस अज्ञात (Flash-लाइन की मिसाल Apache-2.0); डेटा-रेज़िडेंसी लागू होती है (चीन-आधारित विक्रेता एपीआई); रेट-लिमिट टियर के लिए नकद टॉप-अप चाहिए (V4-श्रेणी कन्करेंसी के लिए संचयी $1,500); मॉडल ख़ुद बाहरी सेवाओं तक पहुँचता नहीं (डॉक्स स्पष्ट हैं — टूल्स इंटीग्रेटिंग ऐप से आते हैं)।

• "सक्षम मिड-टियर" एजेंटिक एआई (AI) के लिए नया, बेंचमार्क-समर्थित संदर्भ मूल्य: एजेंटिक-कोडिंग और फ़ाइनेंस वर्कलोड पर बातचीत कर रहे एंटरप्राइज़ के पास अब AA डेटा है जो $0.72/टास्क पर ~44-इंडेक्स क्षमता दिखाता है — StepFun अपनाया जाए या नहीं, विक्रेता बातचीत में यह मज़बूत लीवर है।
• फ़ाइनेंस-भारी, विज़न-सहित, लंबे-कॉन्टेक्स्ट एजेंट वर्कफ़्लो के लिए उम्मीदवार (विक्रेता डेटा पर FrontierFinance 66.4 ओपन साथियों से आगे और GPT-6 Astra 55.0 को पीछे छोड़ता है; FinStepBench DeepResearch 55.8 केवल Opus 5 59.1 से पीछे) — इस अनिवार्य चेतावनी के साथ कि ये स्व-रिपोर्टेड हैं।
• आज की डिप्लॉयमेंट मुद्रा बनाम 15 अक्टूबर: आज = केवल एपीआई पायलट (एक प्रोवाइडर, प्रीव्यू स्थिति, SLA-स्तरीय रिडंडेंसी नहीं — OrcaRouter कहता है प्रीव्यू एंडपॉइंट क्षमता-सीमित हैं); 15 अक्टूबर = सेल्फ़-होस्ट विकल्प अगर लाइसेंस उदार हो; अगर प्रतिबंधक हो, तो MiMo-V2.6-Pro (MIT) और GLM-5.3 डिप्लॉय-योग्य ओपन विकल्प बने रहते हैं। मॉडल-चयन के फ़ैसले स्पष्ट रूप से तिथि-चरणबद्ध होने चाहिए।
• लागत-सिमुलेशन का लाभ: 95% कैश छूट रेपो-स्तरीय एजेंट लूप की अर्थव्यवस्था को पहले से मॉडल करने देती है (देखें labs/S10.md का अंकगणित) — किसी भी प्रतिबद्धता से पहले CFO/आर्किटेक्चर की मंज़ूरी के लिए उपयोगी।
• दर्ज करने योग्य जोखिम-मुद्रा: चीनी-लैब एपीआई (डेटा रेज़िडेंसी, निर्यात/नियामक संदर्भ), प्रीव्यू प्राइसिंग की अस्थिरता, बेंचमार्क-वर्ज़न के अंतर (TB2.1 85.0 बनाम TB4.0 33.3), और असत्यापित 600B कॉन्फ़िग।

• StepFun का दाँव वर्टिकल + कीमत है, शीर्ष स्थान नहीं: सस्ते-टियर-में-सबसे-अच्छा पोज़िशनिंग, स्पष्ट रूप से "Pareto frontier" ढाँचा, "हम GPT-6 Astra को हराते हैं" नहीं; फ़ाइनेंस-और-कोडिंग एजेंटिक वेज, मल्टीमॉडल इनपुट और पहले दिन से Claude Code इंटीग्रेशन ही उसी हफ़्ते सस्ते और ऊँचे-इंडेक्स वाले MiMo के मुकाबले अंतर बनाते हैं। (लॉन्च सामग्री में निहित INTERPRETATION।)
• 15 अक्टूबर की ओपन-वेट्स तिथि ही रणनीतिक पेलोड है। उदार Apache-2.0-श्रेणी का रिलीज़ एक ही तिमाही में चीन से तीसरा/चौथा गंभीर स्व-होस्टेबल एजेंटिक विकल्प जोड़ देगा (MiMo MIT, GLM, Step) और मिड-टियर एजेंटिक काम के लिए बंद विक्रेता जो वसूल सकते हैं, उसे और दबा देगा। प्रतिबंधक या देर से रिलीज़ StepFun की उस विश्वसनीयता को नुकसान पहुँचाएगा जिस पर उसने सार्वजनिक काउंटडाउन के साथ स्पष्ट दाँव लगाया है। (PREDICTION + INTERPRETATION।)
• "हासिल इंटेलिजेंस की लागत" युद्धभूमि का मीट्रिक बन रही है — AA की प्रति-टास्क लागतें ख़रीदारों को एक ही पद्धति पर विक्रेताओं की तुलना करने देती हैं; "Opus 5 का 1/8" ठीक वैसा दावा है जिसका बाज़ार अब ऑडिट कर सकता है, और विक्रेता इसे जानते हैं (StepFun ने लॉन्च इसी पर दाँव लगाया)। (INTERPRETATION।)
• WSJ के अनुसार हांगकांग IPO (~$500M जुटान, अधिकतम $12B वैल्यूएशन — प्रेस-रिपोर्टेड, कंपनी-अपुष्ट) दाँव की गंभीरता बताता है: यह लॉन्च-गति और कीमत-जंग संभवतः चीनी लैब्स की प्री-IPO पोज़िशनिंग है (RUMOR/द्वितीयक; उसी हिसाब से लें)।
• कुछ ही हफ़्तों में Kimi और Qwen की प्रतिक्रिया की अपेक्षा रखें (36kr कहता है "the answer for Kimi is almost out in the open") — चीनी रिलीज़ कैडेंस (Step, Qwen, Zhipu, Kimi) अब हफ़्तेवार ढोल की तरह है, जिसके मुकाबले पश्चिमी बंद लैब्स को कीमत तय करनी होगी। (PREDICTION, आंशिक रूप से 36kr की टिप्पणी पर आधारित।)

• हेडलाइन बेंचमार्क स्व-ग्रेडेड हैं (अपने हार्नेस; StepCodeBench इन-हाउस; Step High पर चला जबकि प्रतिद्वंद्वी Max पर; कोई तकनीकी रिपोर्ट नहीं) — स्वतंत्र दोबारा-रन बाक़ी; DeepSWE/FrontierFinance/StepCodeBench पंक्तियों को COMPANY CLAIM मानें। (असत्यापित पंक्तियों पर अधिक-प्रतिबद्धता का जोखिम।)
• ओपन-वेट्स का वादा खिसक सकता है या प्रतिबंधक निकल सकता है। कोई लाइसेंस नामित नहीं, HF रेपो प्लेसहोल्डर/गेटेड, वेट्स BF16 (~1.2 TB) में और अभी कोई सर्विंग रेसिपी नहीं; मिसाल उदार है (Apache-2.0 Flash लाइन) पर गारंटी नहीं। 15 अक्टूबर तक यह मॉडल तिथि-बद्ध वादे वाला किराये का है (Toolbit का ढाँचा)।
• वर्बोसिटी का कर: AA की 4/4 वर्बोसिटी (160M बनाम 88M मीडियन टोकन) आउटपुट-कीमत वाले एपीआई पर उसी इंडेक्स के कम बोलने वाले मॉडलों की तुलना में असली ख़र्च बढ़ा देती है — प्रति-टास्क लागत वर्कलोड के हिसाब से बदलेगी; $0.72 AA-पद्धति-विशिष्ट है।
• प्रीव्यू की अस्थिरता: प्राइसिंग "Preview" प्रत्यय के बाद न टिके; HF रेपो ने पहले ही स्थिति बदली (प्लेसहोल्डर → हटाया/गेटेड, Toolbit के अवलोकन के अनुसार); प्रीव्यू एंडपॉइंट क्षमता-सीमित और लॉन्च पर एकल-प्रोवाइडर हैं।
• प्रोडक्शन पैमाने पर 1M-कॉन्टेक्स्ट की हक़ीक़त: TTFT 3.17 s और लंबे-प्रीफ़िल का दबाव; पूरे-1M संचालन के लिए कोई प्रकाशित गिरावट-डेटा नहीं; अधिकतम आउटपुट 64k एकल-शॉट जनरेशन को सीमित करता है।
• सप्लाई-चेन स्वच्छता: license:other के तहत तीसरे-पक्ष के असत्यापित "Step-5-Preview-BF16" shard रेपो मौजूद हैं — आधिकारिक ड्रॉप से पहले "वेट्स" डाउनलोड करने वाली टीमों के लिए प्रोवेनेंस-भ्रम का जोखिम।
• भू-राजनीतिक/डेटा-गवर्नेंस एक्सपोज़र: चीनी-लैब एपीआई, जिसमें डेटा शंघाई के इन्फ़्रास्ट्रक्चर तक जाता है; मॉडल की गुणवत्ता से अलग, नियंत्रित एंटरप्राइज़ के लिए प्रासंगिक।

• वेट्स बाहर नहीं हैं। "ओपन-वेट" स्थान संख्यात्मक है (ओपन-वेट परिवार तुलना में 44) पर भौतिक नहीं; AA आज मॉडल को Proprietary वर्ग में रखता है। सभी आर्किटेक्चर विवरण (600B/27B, 92-लेयर संकरा-गहरा, MTP-3, FP8) विक्रेता-घोषित और रिलीज़ तक असत्यापनीय हैं।
• सभी फ़्लैगशिप बेंचमार्क पंक्तियाँ विक्रेता-रिपोर्टेड हैं; केवल AA का समग्र इंडेक्स, कीमत, गति, लेटेंसी और वर्बोसिटी स्वतंत्र हैं। Terminal-Bench के दावे वर्ज़न-संवेदी हैं (v2.1 85.0 विक्रेता बनाम v4.0 33.3 स्वतंत्र)।
• "1/8 of Claude Opus 5" सपाट टोकन-कीमत के अंकगणित (~5.9×) के तहत दोबारा नहीं बनता; यह केवल AA की पद्धति-भारित रन लागतों (7.88×) पर लगभग टिकता है। यह अघोषित पद्धति वाला मार्केटिंग-स्तर का आँकड़ा है, जो स्वतंत्र डेटा से संगत है — पर उससे सिद्ध नहीं।
• वीडियो इनपुट प्रलेखित है पर AA केवल टेक्स्ट+इमेज मापता है, और इस कहानी के लिए कोई स्वतंत्र मल्टीमॉडल मूल्यांकन (MMMU-Pro जैसी पंक्तियाँ AA पर दिखती हैं) निकाला नहीं गया।
• फ़्रंटियर-शीर्ष नहीं: इंडेक्स पर GPT-6 Astra 53 और Opus 5 51 के मुकाबले 44; DeepSWE पर विक्रेता ख़ुद बंद फ़्लैगशिप के 74.0/74.1 के मुकाबले 67.7 दिखाता है।
• 64k अधिकतम आउटपुट बहुत लंबे एकल कम्प्लीशन सीमित करता है; एक एपीआई प्रोवाइडर और टियर वाली रेट लिमिट टॉप-अप के बिना थ्रूपुट सीमित करते हैं।
• 23 सितंबर 2026 तक कोई तकनीकी रिपोर्ट, पेपर या मॉडल कार्ड प्रकाशित नहीं।

1. 15 अक्टूबर को ठीक क्या ड्रॉप होगा — केवल BF16 वेट्स, या मॉडल कार्ड, लाइसेंस, सर्विंग रेसिपी और तकनीकी रिपोर्ट भी? क्या रिलीज़ किया गया कॉन्फ़िग घोषित 600B/27B और 92-लेयर संकरा-गहरा स्पेक से मेल खाता है?
2. कौन सा लाइसेंस? Apache-2.0 (Flash-लाइन की मिसाल) बनाम MIT बनाम कुछ प्रतिबंधक — और क्या लाइसेंस की भाषा व्यावसायिक फ़ाइन-ट्यूनिंग/डिस्टिलेशन की अनुमति देती है?
3. क्या स्वतंत्र दोबारा-रन DeepSWE 67.7, FrontierFinance 66.4 और छह-श्रेणी StepCodeBench नेतृत्व की पुष्टि करते हैं — बराबर effort सेटिंग्स के साथ (Step High पर चला, प्रतिद्वंद्वी Max पर)?
4. क्या Opus 5 के मुकाबले ~1/8 का प्रति-टास्क अनुपात असली एंटरप्राइज़ वर्कलोड पर टिकता है, या यह इंडेक्स-पद्धति का उपोत्पाद है (AA का 10-इवैल कम्पोज़िट, अपने ही भारों के साथ)?
5. AA मॉडल की तिथि 18 सितंबर क्यों मानता है जबकि StepFun ने 20 सितंबर को घोषणा की — जल्दी टेस्ट एक्सेस, या लीक हुए टैग का अवशेष (Toolbit का "test-tag leak")?
6. क्या 508 TFLOP/s वाला MLA-कर्नेल नतीजा और AIME24 53.3%→60% पोस्ट-ट्रेनिंग लूप स्वतंत्र रूप से दोहराए जाएँगे, और ये डेमो मार्केटिंग के ज़्यादा क़रीब हैं या क्षमता के?
7. क्या 95% कैश छूट प्रोडक्शन में भारी 1M-कॉन्टेक्स्ट मल्टी-टर्न उपयोग में टिकती है, और लोड के नीचे पूरे कॉन्टेक्स्ट पर अलग-अलग प्रोवाइडरों के असली TTFT/लेटेंसी आँकड़े कैसे दिखते हैं?
8. "Preview" प्रत्यय हटने के बाद रोडमैप क्या है — एक नॉन-रीज़निंग वेरिएंट (AA कहता है एक "may exist"), Step-5-Flash-श्रेणी का छोटा टियर, और प्राइसिंग की स्थिरता?
9. क्या WSJ के अनुसार हांगकांग IPO (~$500M, अधिकतम $12B वैल्यूएशन पर) की पुष्टि होगी, और क्या ओपन-वेट्स रणनीति उस पोज़िशनिंग के साथ टिकती है जो यह इंगित करता है?

असर: एक व्यक्तिगत डेवलपर/विश्लेषक को लाइव, सस्ता, 44-इंडेक्स रीज़निंग एपीआई ($1/$2.70, 95% कैश छूट) मिलता है जो आज ही Claude Code में फ़िट होता है, विज़न/वीडियो इनपुट और 1M कॉन्टेक्स्ट के साथ — और साथ में एक तिथि-बद्ध ओपन-वेट्स वादा, जो केवल 15 अक्टूबर को या उसके बाद, अज्ञात लाइसेंस के साथ, सेल्फ़-होस्ट विकल्प में बदलता है। जाल यह है: वर्बोसिटी (AA पर 4/4) और 64k आउटपुट की सीमा चुपचाप लागत और जनरेशन की योजना बदल देती हैं।

कदम: labs/S10.md में VERIFY/COMPARE अभ्यास चलाएँ (रीड-ओनली, कोई एपीआई कुंजी नहीं): लागत का अंकगणित फिर से बनाएँ (5.9× सपाट बनाम 7.88× AA बनाम दावा किया गया 1/8), आधिकारिक प्राइसिंग/स्पेक पंक्तियों को डॉक्स के मुकाबले जाँचें, और HF प्लेसहोल्डर की स्थिति परखें। फिर, अगर बजट हो, तो Claude Code के भीतर step-5-preview पर reasoning_effort: medium के साथ 2–3 असली टास्कों (जैसे रेपो रीफ़ैक्टर, PDFs पर फ़ाइनेंस विश्लेषण) पर हफ़्तों चलने वाला पायलट चलाएँ और टोकन-प्रति-टास्क दर्ज करें — पायलट का फ़ैसला आज है, डिप्लॉयमेंट का 15 अक्टूबर।

असर: टीमों/कंपनियों को "सक्षम मिड-टियर" एजेंटिक एआई (AI) के लिए नया बेंचमार्क-समर्थित मूल्य-तल मिलता है और फ़ाइनेंस/कोडिंग वर्कलोड के लिए लाइव पायलट उम्मीदवार; ख़रीद को अब अपने फ़ैसले 15 अक्टूबर के वेट्स ड्रॉप, बेनाम लाइसेंस और एकल-प्रोवाइडर प्रीव्यू सीमाओं के इर्द-गिर्द चरणबद्ध करने होंगे — जबकि MiMo-V2.6-Pro (46, MIT, $0.435/$0.87) वह डिप्लॉय-योग्य तुलना है जो इसी हफ़्ते सस्ता भी है और ऊँचे इंडेक्स पर भी।

कदम: Step 5 Preview को मॉडल-मूल्यांकन मैट्रिक्स में तीन स्तंभों के साथ जोड़ें: आज (API-only पायलट, $0.72/टास्क AA आँकड़ा, वर्बोसिटी-समायोजित), 15 अक्टूबर (वेट्स+लाइसेंस बाक़ी), और ओपन विकल्प (MiMo-V2.6-Pro/GLM-5.3 सेल्फ़-होस्ट)। ग़ैर-प्रोडक्शन A/B के लिए प्रलेखित Claude Code इंटीग्रेशन जोड़ें। वेट्स ड्रॉप से पहले कोई वॉल्यूम प्रतिबद्धता न करें; लागत मॉडल में रेट-टियर का गणित (V0→V4 टॉप-अप) जोड़ें; नियंत्रित उपयोगकर्ताओं के लिए चीनी-लैब डेटा-रेज़िडेंसी की मुद्रा दर्ज करें।

असर: हफ़्ते का चौथा चीनी ओपन-वेट-श्रेणी प्रवेशक (MiMo 46, GLM 45, Step 5 = Kimi 44) "कम में फ़्रंटियर" को चीनी लैब्स के दबदबे वाली दौड़ बना देता है और प्रति-टास्क लागत को ऑडिट मीट्रिक के रूप में सामान्य कर देता है; StepFun का 15 अक्टूबर का काउंटडाउन परखता है कि क्या "सार्वजनिक तिथि पर ओपन वेट्स का वादा" ऐसी उद्योग-परिपाटी बनता है जिसका जवाब बंद और ओपन दोनों तरह की लैब्स को देना पड़े।

कदम: AA की लीडरबोर्ड पंक्तियों और 15 अक्टूबर के रिलीज़ को लाइव घटना की तरह ट्रैक करें (लाइसेंस, कॉन्फ़िग समानता, टेक रिपोर्ट)। ख़रीद-मार्गदर्शन में "वेट्स-शिपिंग" (गेटेड/प्लेसहोल्डर/ओपन) को "ओपन-वेट-श्रेणी स्कोर" से अलग स्तंभ बनाएँ। 15 अक्टूबर को तीन चीज़ें सत्यापित करें — वेट्स लाइव, लाइसेंस, और 600B/27B कॉन्फ़िग का मेल — और उन्हें उम्मीदों के नहीं, तथ्यों के रूप में रिपोर्ट करें। कुछ हफ़्तों में Kimi/Qwen की प्रतिक्रिया की अपेक्षा रखें (36kr के संकेत) और नए ~$0.72/टास्क संदर्भ के मुकाबले बंद-लैब कीमत-हलचल की। (PREDICTION)

• फ़ाइनेंस वर्टिकल एजेंटिक्स: विक्रेता डेटा में FrontierFinance 66.4 ओपन साथियों से आगे और FinStepBench DeepResearch 55.8 Opus 5 से 3.3 अंक के भीतर — एक संकरे, उच्च-मूल्य वर्टिकल में कंसल्टेंसी/गोल्ड-स्टैंडर्ड का अवसर (ग्राहक-प्रतिबद्धताओं से पहले स्वतंत्र पुनः-सत्यापन के साथ)।
• कम लागत वाली लंबे-कॉन्टेक्स्ट रिसर्च पाइपलाइनें: 1M कॉन्टेक्स्ट + 95% कैश छूट रेपो-स्तरीय और दस्तावेज़-स्टैक विश्लेषण लूपों का प्रोटोटाइप बनाना सचमुच सस्ता कर देती है — वेट्स आने से पहले भी आंतरिक टूलिंग में जीत।
• राउटिंग/आर्बिट्राज प्रोडक्ट: StepFun एपीआई, Vercel AI Gateway और 15 अक्टूबर के बाद की सेल्फ़-होस्टिंग के बीच का अंतर राउटिंग अवसर बनाता है; और तुरंत, Step 5 / MiMo / GLM / Kimi / Opus 5 के बीच AA $/टास्क की तुलना करने वाला लागत डैशबोर्ड एक छोटा, बेचने योग्य विश्लेषक-उत्पाद है।
• अक्टूबर के बाद की सेवाएँ, अगर लाइसेंस उदार हो: Apache-2.0-श्रेणी के वेट्स पर फ़ाइन-ट्यूनिंग/डिस्टिलेशन (600B-बेस डिस्टिलेशन लक्ष्य) और 1.2 TB BF16 मॉडल का मल्टी-नोड क्लस्टरों पर पैकेज्ड सेल्फ़-होस्ट डिप्लॉयमेंट — कम प्रतिस्पर्धा वाला असली सिस्टम्स-इंटीग्रेशन ऑफ़र।
• बेंचमार्क-सत्यापन सेवाएँ: विक्रेता-बनाम-AA का अंतर (TB2.1 बनाम TB4.0; DeepSWE/StepCodeBench के दावे) उन एंटरप्राइज़ के लिए दोहराया जा सकने वाला स्वतंत्र-मूल्यांकन कार्य है जिन्हें ख़रीद-योग्य आँकड़े चाहिए।

VERIFY (एक COMPARE घटक के साथ) — देखें labs/S10.md। बिना एपीआई कुंजी या GPU बजट के, सबसे मूल्यवान हाथों-हाथ काम यह है कि इस लॉन्च के भार-वाहक दावों को सार्वजनिक रिकॉर्ड के मुकाबले जाँचा जाए और उसकी अर्थव्यवस्था दोहराई जाए: (1) HF रेपो की स्थिति परखें (पहले ही निष्पादित — HTTP 401s; स्वतंत्र विवरणों के मुकाबले क्रॉस-चेक), (2) आधिकारिक डॉक्स पेजों से स्पेक और प्राइसिंग सत्यापित करें (पूरे फ़ेच किए गए; $1.00/$0.05/$2.70; 1M-इन/64k-आउट), (3) लागत का अंकगणित दोहराएँ — सपाट-टोकन गणित 5.9×, AA इंडेक्स-रन लागतें 7.88×, दावा किया गया 1/8 — और (4) ओपन-वेट-परिवार की तुलना पंक्तियाँ फिर से बनाएँ (MiMo 46 / GLM 45 / Kimi 44 = Step 5 44)। लाइव एपीआई के मुकाबले एक पेड TEST किसी भी बजट वाले के लिए स्वाभाविक अगला कदम है, reasoning_effort: medium और प्रति-टास्क टोकन लॉगिंग के साथ।

• दिन (25 सितंबर तक): जैसे-जैसे और इंडेक्स रन आते हैं, AA का लाइव पेज गति/TTFT/रैंक अपडेट करता रहता है (आज 83.6 t/s बनाम लॉन्च-सप्ताह के कैप्चर में 99.8 t/s); DeepSWE/StepCodeBench के पहले सामुदायिक दोबारा-रन; Hacker News की चर्चा वर्बोसिटी और डेमो के थिंकिंग ट्रेस के इर्द-गिर्द चलती रहती है।
• हफ़्ते (15 अक्टूबर तक): काउंटडाउन अपना रास्ता पूरा करता है; Kimi K की प्रतिक्रिया पर नज़र रखें (36kr को अपेक्षा है कि यह "almost out in the open" है) और $1/$2.70 पंक्ति के मुकाबले Qwen/GLM की प्राइसिंग-प्रतिक्रियाएँ; चीनी मीडिया के सारांश "top three open-source at 1/8 of Opus 5" कथा को पक्का कर लेंगे (WorldAttention के अनुसार यह पहले से प्रमुख ढाँचा है)।
• 15 अक्टूबर और उसके बाद: निर्णायक घटना — वेट्स लाइव हुए या नहीं; लाइसेंस नामित हुआ या नहीं; कॉन्फ़िग समानता (600B/27B, 92-लेयर) हुई या नहीं। नतीजे: उदार लाइसेंस → Step 5 सेल्फ़-होस्टेबल एजेंटिक टियर में MiMo/GLM के साथ जुड़ जाता है और मिड-टियर की बंद प्राइसिंग पर दबाव तेज़ होता है; खिसकना/प्रतिबंधक लाइसेंस → MiMo-V2.6-Pro और GLM-5.3 डिप्लॉय-योग्य ओपन विकल्पों के रूप में सुदृढ़ हो जाते हैं और StepFun की विश्वसनीयता को वह नुकसान होता है जिस पर उसने स्पष्ट दाँव लगाया था। इस बीच WSJ-रिपोर्टेड HK IPO की कहानी या तो पुष्ट होती है (रणनीतिक संदर्भ: यह प्री-IPO पोज़िशनिंग है) या मर जाती है। (PREDICTION)

Step 5 Preview एक ही समय में हफ़्ते की सबसे ईमानदार लागत-कहानी और सबसे शर्तों वाली ओपन-वेट्स कहानी है। सत्यापित कोर असली है: Artificial Analysis के Intelligence Index पर 44, प्रति इंडेक्स टास्क $0.72 पर — बोर्ड पर सबसे सस्ता स्वतंत्र रूप से मापा गया "44-श्रेणी" रीज़निंग ऑफ़र, जिसमें 95% कैश छूट लंबे एजेंट लूपों को सचमुच सस्ता बनाती है, साथ में लाइव $1/$2.70 एपीआई, 1M कॉन्टेक्स्ट, विज़न/वीडियो इनपुट और प्रलेखित Claude Code इंटीग्रेशन। ईमानदार चेतावनियाँ भी उतनी ही असली हैं: हर हेडलाइन बेंचमार्क (DeepSWE 67.7, FrontierFinance 66.4, StepCodeBench 49.0) स्व-ग्रेडेड है, जिसमें Step High पर चला जबकि प्रतिद्वंद्वी Max पर — और "top-three open-source at 1/8 of Claude Opus 5" जैसे दावे ऐसे ओपन-वेट स्थान की ओर इशारा करते हैं जो आज की तारीख़ में एक काउंटडाउन और एक प्लेसहोल्डर रेपो है, वेट्स नहीं। 1/8 का दावा AA के अपने रन-कॉस्ट डेटा (7.88×) से टकराकर बच जाता है, पर सपाट टोकन अंकगणित (~5.9×) से नहीं — प्रति-टास्क बनाम प्रति-टोकन अर्थशास्त्र का यह उत्तम शिक्षण-उदाहरण है, जिसे सत्यापित 4/4 वर्बोसिटी रीडिंग और बिगाड़ देती है। साप्ताहिक के लिए मूल सूत्र: कम-में-फ़्रंटियर की कीमत-जंग को एक ही विंडो में चौथा चीनी प्रवेशक मिला (MiMo 46 / GLM 45 / Step 5 44 / Kimi 44), और 15 अक्टूबर अब इस बात की सार्वजनिक परीक्षा है कि क्या किसी तय तारीख़ पर "हम मॉडल को ओपन-सोर्स करेंगे" ऐसी प्रतिबद्धता है जिस पर बाज़ार भरोसा कर सकता है।