600-Milliarden-Modell für einen Dollar pro Million Token
StepFun hat am 20. September 2026 Step 5 Preview gestartet: ein Sparse-MoE-Modell mit rund 600 Milliarden Parametern, 1 Million Token Kontext und einem Listenpreis von 1 US-Dollar pro Million Input-Token. Die Gewichte sollen am 15. Oktober offengelegt werden.
Pascal Eugster
GRÜNDER & ENTWICKLER
21. SEPTEMBER 2026
2 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Frontier-nahe Qualität wird zur Commodity — für Schweizer KMU zählt aber weniger die China-API als die Frage, ob sie die Gewichte ab Mitte Oktober selbst hosten können.
Das chinesische KI-Labor StepFun hat am 20. September 2026 Step 5 Preview vorgestellt und die API noch am selben Tag geöffnet. Laut StepFun ist es ein Sparse-MoE-Modell — eine Mixture of Experts, bei der je nach Aufgabe nur ein Teil des Netzwerks rechnet — mit rund 600 Milliarden Parametern insgesamt, von denen pro Token nur etwa 27 Milliarden aktiv sind. Dazu kommen 1 Million Token Kontext und Bild-Input. Der Listenpreis: 1 US-Dollar pro Million Input-Token, 2.70 Dollar für Output, 0.05 Dollar bei einem Cache-Treffer.
27 von 600 Milliarden pro Token
Nur rund 4.5 Prozent der Gewichte werden pro Token angefasst — daher der Preis. StepFun gibt für das Modell 44 Punkte im Artificial Analysis Intelligence Index an. Zum Einordnen: Auf der öffentlichen Rangliste von Artificial Analysis steht Kimi K3 (max) ebenfalls bei 44, GLM-5.3 (max) bei 45, die Spitze — Claude Fable 5.1 und GPT-6 Astra — bei 53. Der Wert für Step 5 Preview ist bisher eine Herstellerangabe und erscheint in der öffentlichen Übersicht von Artificial Analysis noch nicht.
Aussagekräftiger sind zwei Langzeit-Experimente aus StepFuns Ankündigung: Das Modell optimierte in einem 24-Stunden-Budget einen GPU-Kernel auf einer einzelnen Nvidia H100 und erreichte nach rund 22 Stunden 508 TFLOPS. Eine automatisierte Post-Training-Schleife hob ausserdem die AIME24-Genauigkeit eines Qwen3-30B-A3B-Basismodells von 53.3 auf 60 Prozent.
