周榜第二的国产模型开源：600B 只激活 27B

海外开发者最近一周调用量第二的模型，是一个总参数 6000 亿、每次只叫醒 270 亿的国产开源模型。

它的排名不是靠发布会，是靠账单。

一、发生了什么

10 月 15 日，阶跃星辰开放 Step 5 Preview 的模型权重，BF16 和 FP8 两个版本同时上线 Hugging Face 与 ModelScope。

规格是稀疏混合专家结构：总参数 6000 亿，每个词元激活 270 亿，上下文窗口 100 万词元。在 Artificial Analysis 的智能指数上得 44 分，进入全球开源模型前三。

更硬的指标是使用量。截至 10 月 15 日，它在 OpenRouter 的周榜和日榜都排第二，近七日消耗约 18.8 万亿词元。Artificial Analysis 的估算里，它完成单个任务的平均成本是 0.71 美元，Claude Opus 5 是 5.86 美元，相差约八倍。

架构上有几个明确的选择。模型由 92 个 Transformer 模块堆叠，深度接近 Qwen 3.8 Max、Kimi K3 这类万亿参数模型，但总参数不到它们的四分之一，激活参数不到三分之一。阶跃的解释是，智能体任务要反复调用工具，上下文里不断涌入新文本，模型没机会展开很长的思维链，只能靠读上下文时的「隐式推理」。层数不够，多跳信息传不完。

注意力层按 3 比 1 交错：四分之三是带门控的滑动窗口注意力，四分之一是稀疏全注意力。全注意力路径上用了一种叫 Sparse GQA 的稀疏化方法：把相邻历史位置压成块，块大小设为 8，筛选成本降到八分之一；每 8 个词元为一组，共筛选 4096 个词元。团队给出的覆盖率是 78.06%，更精细的方案是 79.09%。

训练稳定性上，他们把隐藏状态和归一化层的缩放因子转成 FP32，极端值下降近十倍；梯度钳制只处理每层中占比 0.00004% 的异常值。

基准方面，阶跃称它在 ALE-CLI、FrontierFinance、DRACO 三项上优于 Kimi K3 和 GLM-5.3，仅次于 GPT-6 Astra 或 Claude Opus 5。这些是厂商公布的评测，不是独立复现。

二、跟你有什么关系

如果你是开发者：这是目前少数「权重可下、单价极低、长上下文够用」的组合。适合跑批量任务、文档处理和智能体循环，不适合要求最强推理的单次难题。

如果你在企业里选型：八倍价差会直接改变产品形态。原来因为成本不敢让模型反复调用工具，现在可以放开，但要把重试和失败的成本一起算进去。

如果你是普通用户：模型已接入腾讯 WorkBuddy 开放两周免费试用。想试手感可以走这个入口，不必自己部署。

三、怎么判断它适不适合你

1. 先算激活参数对应的显存，不是总参数。270 亿激活意味着单次推理的算力可控，但 6000 亿权重仍要完整加载。FP8 下大约 600GB，至少是多卡服务器。

1. 用你的长文档测「中段定位」。100 万词元的窗口是上限，不是均质能力。把关键信息放在第 60 万词元附近，看它能不能引用原文，而不是概括大意。

1. 用智能体任务测成本，不用单轮问答。它的设计目标是多轮工具调用。跑一个需要 20 次工具调用的流程，统计总词元和失败重试，这比单次价格更接近真实账单。

1. 核对许可证再商用。开源权重不等于无条件商用，条款、署名、再分发限制都要读一遍。

1. 拿三个任务做 A/B：长文摘要、代码修改、结构化抽取。三项里有两项明显更好，再迁移；只有一项好，就只在那项上用。

四、三个别信的说法

「开源就等于免费。」 权重免费，算力不免费。6000 亿参数的模型，自部署需要多卡服务器和稳定的推理框架；用 API 则按词元付费。真正的成本要算「每完成一个任务花多少钱」，不是「每百万词元多少钱」。

「OpenRouter 周榜第二，说明它质量第二。」 这个榜单统计的是使用量，不是能力。价格低、接入容易、限流少，都会推高排名。它说明开发者愿意用，不说明它在你的任务上比第一名好。

「激活 27B，笔记本也能跑。」 激活参数决定计算量，不决定内存占用。权重必须全部驻留，27B 是每次算多少，不是只存多少。能在笔记本上跑的是小模型，不是这个。

五、一句话结论

这次开源真正改变的，是把「让模型多想几轮」从奢侈变成了日常。

信息来源

• 智东西：《OpenRouter 周榜全球第二，这个国产模型终于开源了》，2026 年 10 月 15 日：https://zhidx.com/p/601405.html

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。