Segun MarkTechPost (AI/ML News), StepFun ha presentado su nuevo modelo agente, Step 5 Preview, diseñado para ejecutar tareas complejas en entornos profesionales. Este sistema, centrado en aplicaciones como ingeniería de software, trabajo especializado y finanzas, posiciona su oferta en una reducción significativa de costos operativos, manteniendo un nivel de inteligencia comparable a otros modelos avanzados. La estrategia se enmarca en el concepto de "frontiera de Pareto", donde se busca ofrecer una relación eficiente entre rendimiento y gasto. El modelo está disponible actualmente como servicio en línea mediante API, mientras que la versión con pesos abiertos se lanzará oficialmente el 15 de octubre de 2026.
El modelo es una arquitectura de mezcla de expertos (MoE) con un total de 600 mil millones de parámetros, activando aproximadamente 27 mil millones por token, lo que representa un 4,5 por ciento de los pesos activos en cada paso. Este comportamiento permite un uso eficiente del hardware, al distribuir la carga de cálculo sin sacrificar precisión. La ventana de contexto alcanza 1 millón de tokens, lo que facilita el manejo de documentos largos o secuencias de datos complejas. Las entradas aceptadas incluyen texto, imágenes y video, con salidas en formato de texto, razonamiento estructurado y opciones de nivel de profundidad (bajo, medio y alto). Además, el sistema soporta funcionalidades como llamadas a herramientas, modo de salida en JSON y almacenamiento de prompts.
Desde el punto técnico, StepFun optó por una arquitectura "estrecha y profunda", con 92 capas de Transformer, según informes de Pandaily. Esta configuración permite trayectorias más largas de razonamiento implícito, especialmente útil durante fases iniciales de planificación, donde el agente debe navegar por múltiples pasos, ejecutar código y procesar respuestas de herramientas externas. El entrenamiento se basa en aprendizaje por reforzamiento de larga duración, con alineación bit a bit entre entrenamiento y ejecución en el routing de MoE. Técnicas como la decodificación especulativa MTP-3, el uso de precisión FP8 en MoE y la despliegue de cachés de memoria (KV-cache) mejoran la velocidad total, alcanzando más de tres veces el rendimiento en comparación con procesos tradicionales.
Para el lector peruano, esta evolución en inteligencia artificial representa una oportunidad clave para sectores como el asesoramiento financiero, el desarrollo de software local o la gestión de procesos administrativos. Aunque el modelo aún no está disponible para uso local, su lanzamiento en línea y su enfoque en costos bajos pueden democratizar el acceso a tecnologías de agente avanzado. En un entorno donde las pymes y pequeñas empresas enfrentan limitaciones en presupuestos tecnológicos, herramientas como Step 5 Preview podrían permitir automatizar tareas críticas sin necesidad de inversiones masivas. El avance también sugiere que el futuro de las aplicaciones de IA se orientará a soluciones escalables, eficientes y adaptadas a necesidades específicas de mercado.