Step 5 Previewとは？NVIDIA GB300で毎秒約8KトークンのStepFun製オープンウェイトモデル

室谷代表取締役

Step 5 Preview（ステップファイブ・プレビュー）は、StepFunが2026年10月15日に公開したオープンウェイトのフラッグシップモデルで、600BのMoEアーキテクチャと100万トークンの文脈を持ち、長時間のエージェント作業をこなせるのが特徴なんですよね。NVIDIAがこれを歓迎する形で、自社のGB300上での動作性能を発表しました。

テキトー教師DotAI 認定講師

まず整理すると、今回の発表は二層構造になっています。StepFunがモデル本体をオープンウェイトとして出したこと、そしてNVIDIAがそれを自社ハードウェアでどう動かせるかを示したこと。

この2つを分けて読むと理解しやすいですよ。

室谷代表取締役

NVIDIAの公式投稿では、StepFunのStep 5 Preview公開を祝福しつつ、600B MoEモデルが最大24時間のエージェントタスクを想定していること、NVIDIA GB300上でNVFP4を使い毎秒約8Kトークン/GPUで動くことが示されています。NVIDIAは自社のSGLang、vLLM、NeMo Automodel、NIMといったツール群でのデプロイも案内しているんですよね。

テキトー教師DotAI 認定講師

ここ、単に「すごいモデルが出た」という話じゃないんですよ。NVIDIAが自社の推論スタックとセットでモデルを紹介するというのは、ハードウェアとソフトウェアを一緒に売り込む動きです。

受講生さんからも「オープンウェイトって何が嬉しいの？」とよく聞かれるんですが、自社環境で動かせる、自社データで追加学習できる、というのが大きいんです。

Step 5 Previewとは？StepFunが公開したオープンウェイトのフラッグシップモデル

室谷代表取締役

StepFunの公式ページによると、Step 5 Previewはエージェント作業向けの新しいフラッグシップモデルで、ソフトウェアエンジニアリングと専門知識作業、とくに金融分野に強みを持つとされています。アーキテクチャはスパースなMixture-of-Experts、総パラメータ600B、1トークンあたりのアクティブパラメータは27B、コンテキストウィンドウは100万トークン、視覚入力にも対応しています。

テキトー教師DotAI 認定講師

ここでMoEの意味を整理しておくと、モデル全体は600Bと巨大なんですが、1トークンを処理するときに実際に動くのは27B分だけ。だから巨大な知識量を保ちながら計算コストを抑えられる設計なんです。

StepFunはこれを「フロンティア級の知能を、オープンウェイトで」という言い方で出してきています。

室谷代表取締役

公開のされ方もポイントで、StepFunの公式投稿ではBF16とFP8の重みがHugging FaceとModelScopeで公開され、技術ブログも一緒に出ています。NVIDIA側はNVFP4のチェックポイントも用意していて、これはHugging Faceのstepfun-ai/Step-5-Preview-NVFP4で公開されているんですよね。

テキトー教師DotAI 認定講師

ライセンスも見ておきましょう。Hugging FaceのモデルカードではStepFun Model License 1.0が適用されていて、これはApache-2.0スタイルのライセンスに、モデルの利用・改変・配布に関する追加の帰属表示と商用ライセンス条件を加えたもの、と説明されています。

商用で使う人はここをちゃんと読む必要があります。

室谷代表取締役

ちなみにStepFunのモデルをめぐる動きは以前も追っていて、OpenRouterの「Step 5 Preview」とは？StepFunの新フラッグシップを解説でも触れています。ただ、今回のNVIDIAの発表資料にはOpenRouter経由での提供についての記載はないので、そこは分けて考えたほうがいいですね。

Step 5 Previewでできること——24時間エージェント作業・100万トークン・画像/動画入力

テキトー教師DotAI 認定講師

公式ページのKey Capabilitiesを並べると、できることがかなりはっきりしています。まずソフトウェアエンジニアリング。

リポジトリ単位の開発、フロントエンドやビジュアル開発、デバイス向けプログラミングに対応し、大規模コードベースを読み解いて複数ファイルにまたがる変更を調整し、コードを実行・検証して結果に応じて反復できるとされています。

室谷代表取締役

次が長時間エージェント実行ですね。ツール呼び出し、実行、検証、修正を繰り返すタスクを、ワークフロー全体を通じて長い文脈の情報を引きながら遂行する。

NVIDIAの投稿では「最大24時間のエージェントタスク」と表現されていました。

テキトー教師DotAI 認定講師

3つ目が専門知識作業。リサーチ、マルチモーダル理解、ツール利用を組み合わせて、長い文書、チャート、スクリーンショット、画像、動画を分析し、構造化されたレポートや分析を出す。

ここで画像と動画が入ってくるわけです。

室谷代表取締役

モデル仕様の表も見ておくと、入力はテキストと画像、出力はテキスト。コンテキストウィンドウは最大100万トークンで、最大出力も最大100万トークンと書かれています。

StepFunの発表ではvision input対応と説明されていて、SGLangのドキュメントでは組み込みの視覚エンコーダ経由で画像入力を受けると説明されています。

テキトー教師DotAI 認定講師

金融に強いというのも公式が明言しているポイントです。定量的な推論と、財務データや裏付け資料の分析を組み合わせたタスクに特に強いとされています。

日本企業だと、決算資料や有価証券報告書のような長い文書を扱う用途が思い浮かびますよね。

室谷代表取締役

長時間のエージェント作業というのは、MYUUUでもまさに欲しかったやつで……。これまでは途中で文脈が切れたり精度が落ちたりして、人間が途中で介入する前提だったんですよね。

それが100万トークン文脈で24時間動く想定というのは、運用の組み立て方が変わってきます。

Step 5 Previewの性能とベンチマーク——DeepSWEや金融タスクでの立ち位置

テキトー教師DotAI 認定講師

ここは数字を正確に扱いたいので、StepFunの公式ページに載っている数値をそのまま並べます。まずDeepSWE v1.1では、Step 5 Preview（High）が67.7。

比較としてKimi K3（Max）が67.5、GLM-5.3（Max）が66.9、GPT-6 Astra（Max）が74.1、Claude Opus 5（Max）が74.0という数字が示されています。

室谷代表取締役

StepCodeBenchだとStep 5 Preview（High）が49.0で、Kimi K3（Max）が43.9、GLM-5.3（Max）が40.2、Claude Opus 5（Max）が63.9、GPT-6 Astra（Max）が61.0。ProgramBenchはStep 5 Preview（High）が80.5で、Kimi K3（Max）77.8、GLM-5.3（Max）72.0、GPT-6 Astra（Max）85.4、Claude Opus 5（Max）82.3ですね。

テキトー教師DotAI 認定講師

ここで注意したいのは、ベンチマークによって順位が入れ替わっていることです。Terminal-Bench v4ではGLM-5.3（Max）が41.9でStep 5 Preview（High）は33.3、GPT-6 Astra（Max）が57.9、Claude Opus 5（Max）が52.3。

Agents' Last Exam（ALE-CLI）ではStep 5 Preview（High）が29.5で、GLM-5.3（Max）28.6、Kimi K3（Max）27.6、GPT-6 Astra（Max）33.3、Claude Opus 5（Max）28.6という並びです。

室谷代表取締役

金融系のFrontierFinanceだとStep 5 Preview（High）が66.4で、GLM-5.3（Max）64.1、Kimi K3（Max）62.6、Claude Opus 5（Max）69.7、GPT-6 Astra（Max）55.0。DRACOはStep 5 Preview（High）が83.3で、GLM-5.3（Max）82.3、Kimi K3（Max）78.5、Claude Opus 5（Max）87.6、GPT-6 Astra（Max）76.8です。

テキトー教師DotAI 認定講師

GDPval-AA v2.1は少し毛色が違って、GLM-5.3（Max）が1645、Step 5 Preview（High）が1566、Kimi K3（Max）が1524、Claude Opus 5（Max）が1708、GPT-6 Astra（Max）が1542。StepFunの注記では、この数値はArtificial Analysisの2026年9月20日時点の最新結果に基づくとされています。

室谷代表取締役

全部をまとめると、上位モデルと互角か、ベンチマークによっては上回る／下回るという立ち位置ですね。StepFun自身もArtificial Analysis Intelligence Indexで44を記録し、同程度の知能水準のモデルと比べてタスクあたりのコストが大幅に低いと説明しています。

テキトー教師DotAI 認定講師

評価条件も押さえておきましょう。推奨推論設定はtemperature=1.0、top_p=0.95、top_k=0。

Step 5 Previewの結果はHigh推論設定を使っています。DeepSWE v1.1の評価はSWE-agentハーネスでtemperature=1.0、top_p=0.95。

GDPval-AA v2.1はArtificial Analysisの2026年9月20日時点の結果に基づく、と明記されています。

室谷代表取締役

あとStepCodeBenchの設計も面白くて、553の独立リポジトリ、9つのタスクカテゴリ、20のアプリケーション領域、33のプログラミング言語をカバーしていると。bug repair、feature modification、refactoringで特に良い成績だと書かれています。

Step 5 Previewの使い方・始め方——vLLM・SGLang・NVIDIA NIMでのデプロイ手順

テキトー教師DotAI 認定講師

ここからが実務パートです。まず公式が示しているデプロイ構成を整理するとこうです。

• vLLM：FP8はB300ノード1台4GPU（TP4/TEP4/DEP4）、またはH200ノード1台8GPU（TP8/TEP8/DEP8）。BF16はB300ノード1台8GPU、またはH200ノード2台16GPU。OpenAI互換APIで提供
• Transformers：FP8はH200ノード1台8GPU（TP8/EP8）でオフライン生成。BF16はH200ノード2台16GPU
• SGLang：FP8はB300ノード1台4GPU（TP4/EP4）、またはH200ノード1台8GPU（TP8/EP8）。OpenAI互換APIで提供

室谷代表取締役

vLLMのレシピではDockerイメージがvllm/vllm-openai:step-5-previewで、コンテナ内でサーバーを立てる流れ。SGLangはlmsysorg/sglang:step-5-previewですね。

SGLangのコマンド例だとポート30000、vLLMはポート18000で、モデル名はstep5を使うと書かれています。

テキトー教師DotAI 認定講師

リクエストの送り方も載っていて、vLLM FP8ならhttp://localhost:18000、SGLang FP8ならhttp://localhost:30000がベースURL。curlでchat completionsを叩く例が公式に用意されています。

室谷代表取締役

SGLangのドキュメントで気になったのは、初回起動時にFlashInferモジュールのコンパイルでB300だと約15分、以降は約6分かかるという点。あとFLASHINFER_WORKSPACE_BASEと~/.cache/sglangを再起動をまたいで永続化しておく必要があると。

地味ですが、ここを押さえないと毎回待たされるんですよね。

テキトー教師DotAI 認定講師

推論の設定も細かいです。Step 5 Previewは必ず考える（think）してから答える設計で、reasoning_effortでlow、medium、highの深さを指定でき、未設定ならhighがデフォルト。

ツール呼び出しはstep5パーサーが構造化してmessage.tool_callsで返します。投機的デコードはチェックポイントの3つのMTPレイヤーを使い、検証ラウンドごとに最大4トークン進められる構成です。

室谷代表取締役

NVFP4チェックポイントの扱いも整理しておくと、Blackwellでstepfun-ai/Step-5-Preview-NVFP4を配信する形で、routed expertsがNVFP4（最後の3つのMoEレイヤーはBF16のまま）、FlashInfer FP4 MoEカーネルで動きます。重みが小さいぶんKVキャッシュにGPUメモリを多く回せる。

TP4、EP4、ATTN DP2で動き、MegaMoEには非対応、H200では使えない、とSGLangのドキュメントに書かれています。

テキトー教師DotAI 認定講師

NeMo Automodelでのポストトレーニングも用意されています。NVIDIAのAutomodelドキュメントには、Full SFTがGB200 4台×11ノードのEP44、LoRAがGB200 4台×2ノードのEP8、長文脈SFTがH100 8台×16ノードのPP4/CP32/EP32というレシピが載っています。

室谷代表取締役

ここで1点だけ注意を。Automodelのドキュメントには、チェックポイントの100万ポジションという上限は設定上の制限であって、全深度の長文脈検証を意味するものではない、と明記されています。

ベンチマークもモックデータでランダム初期化の重みを使うもので、チェックポイントの読み込みは検証していないと。このあたりは誇張せずに読むべきところですね。

Step 5 Previewの料金・提供範囲——無料で使えるのか、日本からはいつから使えるのか

室谷代表取締役

料金と提供範囲は、StepFunの公式ページに書かれている内容が基準になります。Step 5 Previewは発表当日からStepFunのプロダクトとAPIを通じて利用可能で、オープンウェイトは10月15日にリリースされると説明されています。

テキトー教師DotAI 認定講師

つまり、API経由で使うルートと、重みを落として自社環境で動かすルートの2つがあるということですね。重みはHugging FaceとModelScopeでBF16とFP8が公開され、NVFP4はHugging Faceのstepfun-ai/Step-5-Preview-NVFP4で公開されています。

室谷代表取締役

ただ、APIの具体的な料金体系や、日本からいつから使えるかという点については、今回の公式資料には明記されていません。現時点では明らかにされていない、というのが正確なところです。

テキトー教師DotAI 認定講師

無料で使えるかどうかも同じで、公式ページには無料枠についての記載はありません。オープンウェイトなので重み自体は公開されていますが、それを動かすにはB300やH200といった大規模GPUが必要で、そこには当然コストがかかります。

室谷代表取締役

日本からの利用という観点だと、自社でGPUを用意するか、クラウドのGPUインスタンスで動かすか、あるいはStepFunのAPIやプラットフォームを使うか、という選択になります。NVIDIAはNIMでシングルコマンド実行できると案内していますが、NGCカタログの該当ページは今回の資料では内容を確認できなかったので、そこは公式の案内を直接確認するのが確実です。

テキトー教師DotAI 認定講師

モデルの提供状況を追うときは、ChatGPTはいつから？リリースの歴史・モデル進化・料金プラン・最新動向を完全解説【2026年最新】のように時系列で整理するのが有効です。今回も「発表当日にAPI、10月15日にオープンウェイト」という順番を押さえておくと、あとで混乱しません。

NVIDIA GB300でNVFP4により毎秒約8Kトークン——この発表が意味するもの

室谷代表取締役

ここがNVIDIAの発表の核心ですね。NVIDIAはStep 5 PreviewがGB300上でNVFP4を使い、毎秒約8Kトークン/GPUで動作すると述べています。

NVFP4はNVIDIAの4ビット浮動小数点量子化形式で、モデルを小さく速く動かすための圧縮技術です。

テキトー教師DotAI 認定講師

この数字をどう読むかですが、まず前提として、600Bクラスのモデルを動かすには通常とても大きなメモリと計算資源が要ります。それを4ビットに量子化して、しかも毎秒約8Kトークン/GPUというスループットで回す、というのがNVIDIAの主張です。

室谷代表取締役

SGLangのドキュメントによると、NVFP4チェックポイントはrouted expertsがNVFP4で、最後の3つのMoEレイヤーはBF16のまま。重みが小さくなるぶん、KVキャッシュに回せるGPUメモリが増えると説明されています。

長時間エージェント作業で100万トークン文脈を扱うなら、KVキャッシュの余裕はかなり重要なんですよね。

テキトー教師DotAI 認定講師

もう1つ、NVIDIAがSGLang、vLLM、NeMo Automodel、NIMを並べて案内している点も見逃せません。モデルを出すだけでなく、推論・学習・運用の各段階を自社ツールでカバーする。

これはNVIDIAにとって、GB300やB300、H200といったハードウェアの利用を促す動きでもあります。

室谷代表取締役

実際、SGLangのドキュメントにはB300 1×4、B300 1×8、H200 1×8といったトポロジーごとの推奨構成が載っていて、B300ではFA4アテンション、H200ではFA3とTriton MoEを使う、といった細かい指定まで書かれています。ここまで作り込まれていると、導入時の試行錯誤はかなり減ります。

テキトー教師DotAI 認定講師

教育の現場でも、こういうモデルとハードウェアがセットで出てくると、教える側の前提が変わります。講座でも「どのモデルを選ぶか」だけでなく「どのハードでどう配信するか」まで含めて設計する必要が出てきます。

受講生さんには、モデルの性能表だけでなくデプロイ構成の表も一緒に見るように伝えています。

室谷代表取締役

オープンウェイトのフロンティア級モデルが、特定のハードウェアで高速に動く形で出てくる。これは、高性能モデルはAPI経由でしか使えないという従来の前提を崩す動きなんですよね。

自社データで追加学習して、セキュリティとコストを制御しながら運用したいという企業の要望に、ようやく現実的な選択肢が出てきたという印象です。

よくある質問

テキトー教師DotAI 認定講師

ここからは、よく聞かれる点を公式資料で裏が取れる範囲で答えていきます。

Q. Step 5 Previewとは何ですか？

室谷代表取締役

StepFunが2026年10月15日にオープンウェイトで公開したフラッグシップモデルです。スパースMoEで総パラメータ600B、アクティブ27B、最大100万トークンのコンテキスト、テキストと画像の入力に対応し、長時間のエージェント作業を想定しています。

Q. Step 5 Previewの使い方は？

テキトー教師DotAI 認定講師

公式にはvLLM、SGLang、Transformers、NVIDIA NIMでのデプロイが案内されています。vLLMとSGLangはOpenAI互換APIとして提供でき、vLLMはポート18000、SGLangはポート30000が例として示されています。

Q. Step 5 Previewの料金は？無料で使えますか？

室谷代表取締役

APIの料金体系や無料枠については、今回の公式資料に記載がありません。現時点では明らかにされていません。

オープンウェイトは公開されていますが、実行にはB300やH200などの大規模GPUが必要です。

Q. Step 5 Previewは日本からいつから使えますか？

テキトー教師DotAI 認定講師

日本からの提供開始時期についての記載は今回の資料にはありません。現時点では明らかにされていません。

公式ページでは発表当日からStepFunのプロダクトとAPIで利用可能、オープンウェイトは10月15日リリースと説明されています。

Q. Step 5 Previewの技術的なアーキテクチャは？

室谷代表取締役

SGLangのドキュメントによると、言語モデルは92層。各MoEレイヤーではトークンが352のエキスパートのうち8つにルーティングされ、共有エキスパートが1つあります。

アテンションは4層パターンの繰り返しで、直近512トークンを見るスライディングウィンドウ層が3つ、そのあとにスパースアテンション層が1つという構成です。

Q. どんなユースケースに向いていますか？

テキトー教師DotAI 認定講師

公式が挙げているのは、リポジトリ単位のソフトウェアエンジニアリング、フロントエンドやビジュアル開発、デバイス向けプログラミング、長文書やチャート・スクリーンショット・画像・動画の分析、そして金融分野です。StepFunは、内部および外部の専門家評価で約70%の参加者が中程度に複雑なコーディングタスクを自律的に解けると判断したと述べています。

Q. 他のモデルと比べてどうですか？

室谷代表取締役

StepFunの公式ページにはDeepSWE v1.1やStepCodeBench、ProgramBench、Terminal-Bench v4、Agents' Last Exam、GDPval-AA v2.1、FrontierFinance、DRACOの数値が掲載されています。ベンチマークによって順位は入れ替わるので、1つの数字で優劣を決めるより、自分の用途に近いベンチマークを見るのが実用的です。

テキトー教師DotAI 認定講師

最後に1つ。Step 5 Previewはオープンウェイトとはいえ、ライセンスはStepFun Model License 1.0で、商用ライセンス条件が別途付いています。

導入を検討する際は、モデルカードのライセンス条項を必ず確認してください。