# elvis：StepFun Step 5 Preview 在两项真实编码任务上与 GLM 5.3 表现相当

elvis（@omarsar0）称，他提前测试了 StepFun 新推出的 Step 5 Preview 作为编码智能体。他报告称，该模型与 GLM 5.3 均在无修复轮次的情况下完成了两项真实仓库任务，Step 5 Preview 在检查完自己的工作后即停止，并且在约 368K token 的长上下文测试中找到了五条隐藏线索。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T06:08:00.000Z
Query date (Asia/Shanghai): 2026-11-10

HTML: https://didcodexreset.com/zh/news/f816f9c30fac41ba87d55a63.html

Content language: zh-CN
Localization state: translated

来源：elvis · 发布于 2026/9/21 22:08:22

elvis（@omarsar0）称，他提前测试了 StepFun 新推出的 **Step 5 Preview** 模型作为编码智能体。他将其描述为与 GLM 5.3、Kimi K3 等相当，价格具有竞争力，并称他在一个极简测试框架中将其与 **GLM 5.3** 进行了对比测试。他还称其处于“成本与能力的帕累托前沿”。该帖感谢 StepFun 团队在此事上的合作。

他报告称，向两个模型布置了同一仓库同一提交上的两项真实任务：一个是数值过滤器对小数和负数静默返回零行的 bug，然后是一个需要新增路由、权限门控并重构后台任务监督器的功能。据他所说，两个模型都正确完成了这两项任务，所有留出测试均通过且无回归，两者都没有收到后续提示或重试。**Step 5 Preview** 两次都完成工作、检查后并声明自己已完成，而 **GLM 5.3** 写出正确代码后继续运行，直到步数限制结束该次运行。在该 bug 上，他称 Step 5 Preview 写出了更短的补丁，与真实 Datasette 维护者提交中的做法一致，并且在未被要求的情况下自行添加了测试。

在另一项长上下文测试中，他称生成了约 **368K tokens** 的虚假事故工单，并隐藏了五条共同解释一次故障的线索；当被询问根本原因时，Step 5 Preview 在约 90 秒内找到了全部五条线索并正确将其关联。基于此，他表示会在明确的完成信号比速度更重要的无人值守智能体运行、不熟悉代码库中的 bug 修复以及长上下文工作中选用它。

Tags: StepFun, Step 5 Preview, 编码智能体, 模型评测

[查看主帖原文](https://x.com/omarsar0/status/2102035017262149640)