Step 5 Preview de StepFun: 600B de parámetros, 27B activos y 1M de contexto para agentes de largo recorrido

Un modelo con 600.000 millones de parámetros totales que solo activa 27.000 millones por token y cobra 1 dólar por millón de tokens de entrada: StepFun acaba de situar el listón de los agentes IA de largo recorrido en un terreno que obliga a recalcular presupuestos. Step 5 Preview no es otro lanzamiento más del circuito chino de LLMs; es una declaración de intenciones sobre cómo se van a construir los agentes autónomos que trabajan durante horas, no durante segundos.

TL;DR: StepFun ha lanzado Step 5 Preview, un modelo MoE disperso con 600B de parámetros totales y solo 27B activos por token, ventana de contexto de 1M tokens y entrada multimodal (texto, imagen y vídeo). Está orientado a trabajo agéntico de largo horizonte en ingeniería de software, conocimiento profesional y finanzas. La API cuesta 1,00 $/M de tokens de entrada y 2,70 $/M de salida, con pesos abiertos previstos para octubre de 2026. Para equipos que construyen agentes IA, la relación coste-capacidad es agresiva; la prudencia exige validar antes de migrar producción.

Qué es exactamente Step 5 Preview y por qué importa la arquitectura

Según la cobertura de MarkTechPost, Step 5 Preview es un modelo Mixture-of-Experts (MoE) disperso: 600B de parámetros totales, pero solo 27B se activan en cada token generado. Esta es la cifra que un CTO debe subrayar. La promesa del MoE es precisamente esa: capacidad de modelo grande con coste de inferencia de modelo mediano.

Aquí va mi criterio, y es escéptico por diseño: la diferencia entre parámetros totales y activos es el argumento de marketing favorito de 2025-2026. Que un modelo tenga 600B "en el disco" no significa que razone como un denso de 600B. Significa que tiene especialización interna que el router activa según el token. En la práctica, el comportamiento se acerca más al de un modelo denso de la escala de sus parámetros activos, con ventajas en conocimiento almacenado. Lo relevante no es el 600B del titular, sino si esos 27B activos sostienen coherencia en tareas de 50, 100 o 500 pasos. Eso solo se sabe con benchmarks propios, no con los del comunicado.

Lo que sí es objetivamente diferencial es la combinación: contexto de 1M de tokens, entrada de texto, imagen y vídeo, y un foco explícito en trabajo agéntico de largo horizonte (long-horizon agentic work) en tres verticales: ingeniería de software, trabajo de conocimiento profesional y finanzas.

El contexto de 1M tokens: la verdadera palanca para agentes autónomos

El cuello de botella real de los agentes IA en producción no es la inteligencia bruta del modelo, es la memoria de trabajo. Un agente que refactoriza un monorepo, audita una cartera financiera o revisa un expediente contractual completo necesita mantener en contexto el estado de la tarea, las herramientas disponibles, los resultados intermedios y el historial de decisiones. Con ventanas de 128K o 200K tokens, los equipos acaban construyendo capas de RAG, resúmenes y orquestación que añaden latencia, coste y puntos de fallo.

Un millón de tokens cambia el diseño de la solución: puedes volcar el repositorio completo, la documentación y el historial de la conversación en una sola llamada. Menos ingeniería de compensación, más ingeniería de producto. Esto es exactamente lo que buscan las empresas que exploran agentes autónomos en producción: menos arquitectura de parches y más fiabilidad por diseño.

Dicho esto, una advertencia técnica que rara vez aparece en las notas de prensa: las ventanas de contexto largas degradan. La atención efectiva en la zona media del contexto suele ser peor que en los extremos, y el coste de procesar 1M de tokens de entrada en cada turno de un bucle agéntico puede comerse el ahorro del precio por token. El contexto grande no elimina la necesidad de buena gestión de estado; la reduce.

La economía del modelo: 1 $/M de entrada y 2,70 $/M de salida

El precio es, con diferencia, el dato más agresivo del lanzamiento:

Concepto	Step 5 Preview
Parámetros totales	600B (MoE disperso)
Parámetros activos por token	27B
Ventana de contexto	1M tokens
Modalidades de entrada	Texto, imagen, vídeo
Precio API — entrada	1,00 $ / 1M tokens
Precio API — salida	2,70 $ / 1M tokens
Pesos abiertos	Previstos: 15 de octubre de 2026

A 1 $/M de entrada, el coste de re-alimentar contextos enormes en cada iteración de un agente deja de ser prohibitivo. Para ponerlo en perspectiva: los modelos frontera occidentales han estado históricamente en rangos varias veces superiores por token de entrada, y aunque la tendencia general del mercado es a la baja, este precio sitúa a Step 5 Preview en la zona donde los agentes de largo recorrido pasan de "experimento caro" a "línea de coste defendible".

Mi matiz de analista: el ratio salida/entrada de 2,7x penaliza los agentes que generan mucho (generación de código masiva, informes extensos) frente a los que leen mucho y escriben poco (auditoría, análisis, clasificación). Si tu caso de uso es generativo, haz las cuentas con volúmenes reales antes de celebrar el titular. Y un segundo matiz: precio de lanzamiento de un "Preview". Los precios de preview no son contratos; son anzuelos de adopción.

Qué significa para las empresas españolas que despliegan agentes IA

Para las compañías que están evaluando agencias ia en Madrid o buscando una consultoría ia para diseñar su stack agéntico, Step 5 Preview introduce una variable nueva: la viabilidad económica de agentes que trabajan sobre corpus completos sin RAG complejo. Los casos más inmediatos en el mercado español:

• Ingeniería de software: agentes que migran código legacy, generan tests sobre repositorios enteros o documentan sistemas heredados. El contexto de 1M es aquí la diferencia entre un asistente y un trabajador.
• Finanzas y auditoría: análisis de carteras, revisión de contratos y due diligence documental, donde el coste de lectura masiva a 1 $/M es directamente defendible ante un CFO.
• Trabajo de conocimiento: síntesis de expedientes, investigación regulatoria y elaboración de informes con fuentes completas en contexto.

Las agencias ia en Barcelona que ya construyen soluciones de automatización documental encontrarán en este perfil de modelo una alternativa a evaluar frente a los incumbentes, especialmente en proyectos donde el volumen de entrada domina sobre el de salida. La clave está en exigir a cualquier partner un benchmark con datos propios antes de comprometer arquitectura.

El elefante en la habitación: soberanía, privacidad y fecha de pesos abiertos

StepFun es un proveedor chino, y esto no es un detalle menor para un CTO europeo. Enviar repositorios propietarios o documentación financiera a una API fuera de la jurisdicción europea exige un análisis de riesgo que muchos comités de compra van a bloquear directamente. Aquí es donde la fecha del 15 de octubre de 2026 para los pesos abiertos se convierte en el dato estratégico real del lanzamiento: con pesos abiertos, el modelo puede autoalojarse en infraestructura europea, eliminando el problema de residencia de datos.

Pero seamos realistas sobre el autoalojamiento: aunque solo activen 27B por token, servir un MoE de 600B totales requiere mantener todos los expertos en memoria. Estamos hablando de infraestructura seria, no de una GPU en un armario. Para la mayoría de empresas, el camino sensato será la API para casos no sensibles y esperar a los pesos abiertos (o a ofertas de inferencia gestionada en suelo europeo) para los sensibles. Mientras tanto, trabajar con especialistas en integraciones de IA que sepan aislar datos y diseñar arquitecturas híbridas es la jugada prudente.

Mi lectura estratégica

Step 5 Preview confirma una tendencia que llevamos meses observando: la frontera de los agentes AI ya no se define solo en San Francisco. La combinación de MoE agresivo, contexto largo y precios de disrupción viene del ecosistema chino, y va a forzar a los proveedores occidentales a bajar precios o a justificar el diferencial con fiabilidad y compliance, no con capacidad bruta.

Mi predicción: en los próximos doce meses, el contexto de 1M tokens dejará de ser un diferenciador y pasará a ser requisito de entrada para cualquier modelo que aspire a cargas agénticas, y la batalla real se librará en la fiabilidad de los bucles de herramientas (tool use) a 100+ pasos, donde hoy todos los modelos —incluido este, presumiblemente— siguen fallando más de lo que admiten sus fichas técnicas. Quien evalúe modelos por el titular de parámetros está midiendo mal; quien los evalúe por tareas completadas de extremo a extremo con sus propios datos, está midiendo lo que importa.

Preguntas frecuentes sobre Step 5 Preview y agentes IA

¿Qué es Step 5 Preview de StepFun?

Es un modelo de lenguaje Mixture-of-Experts disperso con 600B de parámetros totales y 27B activos por token, con ventana de contexto de 1M tokens y entrada multimodal (texto, imagen y vídeo). Está orientado a trabajo agéntico de largo horizonte en ingeniería de software, conocimiento profesional y finanzas.

¿Cuánto cuesta la API de Step 5 Preview?

La API cuesta 1,00 dólar por millón de tokens de entrada y 2,70 dólares por millón de tokens de salida. Es un precio especialmente competitivo para agentes que leen grandes volúmenes de contexto, aunque los casos de uso muy generativos deben calcular el coste de salida con volúmenes reales.

¿Qué significa que sea un modelo MoE de 600B con 27B activos?

Significa que el modelo almacena 600B de parámetros pero solo activa 27B en cada token generado, lo que reduce el coste de inferencia frente a un modelo denso equivalente. En la práctica, su comportamiento se aproxima más a un modelo de la escala de sus parámetros activos, con la ventaja de un mayor conocimiento almacenado.

¿Puedo usar Step 5 Preview con datos sensibles en Europa?

Usar la API implica enviar datos a un proveedor chino, lo que exige un análisis de riesgo y compliance que muchas organizaciones europeas no superarán. Los pesos abiertos, previstos para el 15 de octubre de 2026, permitirían autoalojarlo en infraestructura europea, aunque servir un MoE de 600B requiere infraestructura considerable.

¿Para qué casos de uso de agentes IA encaja mejor este modelo?

Encaja mejor en agentes de largo recorrido con mucho contexto de entrada: migración y documentación de código sobre repositorios completos, auditoría y análisis financiero documental, y síntesis de expedientes extensos. El contexto de 1M tokens reduce la necesidad de arquitecturas RAG complejas en estos escenarios.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Bilbao y en Ciudad de México
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real