Step 5 Preview API
StepFunのStep 5 Previewは、テキスト・画像・動画を入力できる推論モデルで、最大100万トークンのコンテキストとツール呼び出しを備え、長文書やエージェント型コーディングに向いています。
Step 5 Previewは、StepFunが提供する推論モデルです。テキスト、画像、動画の入力に対応し、テキストを出力します。1Mトークンのコンテキストを持ち、低・中・高の推論エフォート設定を切り替えられます。ツール呼び出しにも対応し、繰り返しのツール呼び出し、実行、検証、修正を要するタスクをこなせます。
長文脈の情報検索と文書間の推論を得意とし、1リクエストあたり最大60枚の画像と短い動画を扱えます。スパースなMixture-of-Expertsアーキテクチャを採用し、総パラメータ600B、トークンあたりの有効パラメータ27Bです。
エージェント型コーディング、専門知識作業、長文書・コードベース全体・複数PDFの処理、金融分野のタスク、研究タスク、長期的な計画立案、複雑なソフトウェアエンジニアリングに適しています。開発者、研究機関、大規模な文書群を扱う企業を主な対象としています。
更新日時:
モデル ID
step-5-preview- コンテキスト
- 1M
- 最大出力
- 64K
- 推奨 API
- messages
- 入力
- text / image / video
- 出力
- text
ハイライト
- 1Mトークンのコンテキスト
- 低・中・高の推論エフォート設定
- ツール呼び出しに対応
- 最大60枚の画像入力
- 短い動画入力に対応
- 総パラメータ600B、有効27B
プロバイダー
プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。
| 稼働率 | ||||
|---|---|---|---|---|
| $1 | $2.7 | $0.1 |
過去の統計はリアルタイムの稼働確認ではありません。データの欠損は障害を意味しません。
10 ドルで使える量
- 入力
- 1000万 トークン
- 出力
- 370.4万 トークン
現在の入力・出力料金から試算した目安で、割引は含みません。
ベンチマーク
- 44
Artificial Analysis Intelligence Index
Kimi K3 Maxと同点。自己申告によるスコア。
- 54.76%
Vals AI
自己申告によるスコア。
スコアはモデル提供元が公表した値です。
推論
- 既定の推論強度
- medium
- 常に有効
- はい
- 選択できる推論強度
- high / medium / low
Quick Start
このモデルを Felo API Platform 互換 API で呼び出すためのコードです。コードを書く前に Playground で prompt を試せます。
API key を設定
Felo API Platform アカウントで key を作成し、環境変数として設定します。
export FELO_API_KEY="YOUR_API_KEY"最初のリクエスト
このモデル ID を Felo API Platform endpoint で使用します。X-Request-Id などの任意ヘッダーはトラブルシュートに役立ちます。
step-5-previewこのモデルは reasoning に対応しています。選択した protocol とモデルルートが reasoning controls を提供する場合、会話継続時に返却された reasoning metadata を保持してください。
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "step-5-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());サードパーティ SDK の利用
互換 SDK では baseURL を次に設定します https://openapi.felo.ai/api/v1. Claude-style clients では Anthropic-compatible base URL を使用します。 https://openapi.felo.ai/api.
Streaming を有効化
stream: true を追加すると server-sent events で応答を受け取れます。
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "step-5-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform は互換性のあるモデル呼び出し surface を提供します。アプリや Agent client が既に対応している surface を選んでください。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringstep-5-preview呼び出す公開モデル ID。max_tokensinteger—生成する最大 tokens。messagesarray—Chat Completions の会話メッセージ。seed———stop———min_p———toolsarray—互換 schema に従う tool calling definitions。top_k———top_p———logprobs———reasoning———temperaturenumber—対応している場合、回答の多様性を制御します。tool_choicestring or object—tool を呼び出すかどうかを制御します。top_logprobs———response_formatobject—対応時に structured output を要求します。presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———よくある質問
モデルについて: Step 5 Preview?
Step 5 Previewは、StepFunが提供する推論モデルです。テキスト、画像、動画の入力に対応し、テキストを出力します。1Mトークンのコンテキストを持ち、低・中・高の推論エフォート設定を切り替えられます。ツール呼び出しにも対応し、繰り返しのツール呼び出し、実行、検証、修正を要するタスクをこなせます。 長文脈の情報検索と文書間の推論を得意とし、1リクエストあたり最大60枚の画像と短い動画を扱えます。スパースなMixture-of-Expertsアーキテクチャを採用し、総パラメータ600B、トークンあたりの有効パラメータ27Bです。 エージェント型コーディング、専門知識作業、長文書・コードベース全体・複数PDFの処理、金融分野のタスク、研究タスク、長期的な計画立案、複雑なソフトウェアエンジニアリングに適しています。開発者、研究機関、大規模な文書群を扱う企業を主な対象としています。
利用料金はどのように計算されますか?
料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。
どのような入力に対応していますか?
テキスト、画像、動画の入力に対応し、テキストを出力します。1リクエストあたり最大60枚の画像と短い動画を扱えます。
コンテキスト長と出力の制限は?
コンテキストは1Mトークンです。出力トークンの上限は資料に記載がありません。
どのようなタスクに向いていますか?
エージェント型コーディング、専門知識作業、長文書・コードベース全体・複数PDFの処理、金融分野のタスク、研究タスク、長期的な計画立案、複雑なソフトウェアエンジニアリングに向いています。
同シリーズのモデルとの違いは?
Step 5 PreviewはStep 3.7 FlashやStep 3.5 Flashと同シリーズに位置しますが、資料には各モデルの違いに関する具体的な記述はありません。
推論エフォートの設定は何に影響しますか?
推論エフォートを高めると内部の思考チェーンが長くなり、出力トークンの消費量が増えます。出力価格は推論チェーンと最終回答の両方をカバーします。