Step 5 vs Kimi K3, GLM-5.3, Qwen i DeepSeek: porównanie na liczbach

👁 115 przeczytań

Nowy Step 5 Preview od StepFun wchodzi do grupy, w której są już Kimi K3, GLM-5.3, Qwen3.8 i DeepSeek V4.1. W niezależnym indeksie Artificial Analysis remisuje z Kimi K3 (44 pkt) i jest punkt za GLM-5.3, a kosztuje mniej od obu. W moim teście po polsku wypadł jednak najsłabiej z tej piątki, razem z GLM. Poniżej porównanie wyłącznie na sprawdzonych liczbach: indeksy, ceny, kontekst, licencje i mój test.

Tabela porównawcza

Źródło indeksów, cen, kontekstu i parametrów: strony modeli Artificial Analysis, odczyt 9 października 2026. Ceny to stawki referencyjne producentów; na OpenRouterze bywają inne zależnie od dostawcy.

Inteligencja: remis w czołówce

Różnica jednego punktu między GLM-5.3, Qwen3.8 Max, Step 5 i Kimi K3 to w praktyce remis. Ciekawe jest co innego: Step 5 osiąga ten poziom z 27 mld aktywnych parametrów, a Kimi K3 potrzebuje 104 mld. To przekłada się na cenę. Na wykresie dołączonym do ogłoszenia StepFun pokazuje 65% niższy koszt zadania niż u GLM-5.3 i Kimi K3 w trybie max.

W deklarowanych wynikach producenta (znam je z przedruków w mediach, a nie ze strony StepFun) Step 5 prowadzi w programowaniu: DeepSWE 67,7 wobec 67,5 u Kimi K3 i 66,9 u GLM-5.3, ProgramBench 80,5 wobec 77,8 i 72,0. W Terminal-Bench v4 wyraźnie przegrywa z GLM-5.3 (33,3 wobec 41,9), za to bije Kimi K3 (12,6). Qwen i DeepSeek w tej tabeli producenta nie występują.

Cena: kto daje najwięcej za dolara

Cena za token myli. Step 5 ma tanie wyjście, ale myśli tak długo, że w zadaniach pisarskich kosztował sześć razy więcej niż GLM-5.3, a w całym teście (z powtórkami pustych odpowiedzi) dziesięć razy więcej: 0,31 wobec 0,03 USD. Artificial Analysis widzi to samo: w ich ewaluacji Step 5 wygenerował 160 mln tokenów przy medianie 94 mln. Jeśli płacisz za zadania agentowe z dużym kontekstem, policz koszt na swoich danych, a nie z cennika.

Po polsku: Kimi K3 wyraźnie przed Step 5

Wszystkie modele dostały te same 13 zadań (9 tekstów, 2 korekty, 2 quizy), wysiłek rozumowania low i równe limity tokenów. Step 5, Qwen3.8 Max i GLM-5.3 były oceniane w jednej puli 9 października, Kimi K3 i DeepSeek - w pierwszej rundzie Laboratorium, z inną parą sędziów. Skala jest kalibrowana tymi samymi modelami-kotwicami, ale różnice do 2-3 punktów traktuję jako remis.

Step 5 przegrał głównie przez trzy puste odpowiedzi: w opisie produktu i obu korektach cały limit tokenów poszedł na rozumowanie. Gdzie odpowiedział, pisał poprawnie w krótkich formach (mail 8,5/10), słabiej w dłuższych (opowiadanie 5,0). Szczegóły: Step 5 po polsku: test na 13 zadaniach.

Otwartość i uruchamianie u siebie

• DeepSeek V4.1 Flash i V4 Pro - licencja MIT, najmniej ograniczeń.
• Qwen3.8 27B - Apache 2.0 i rozmiar, który zmieści się w 4 bitach na karcie z 24 GB. Qwen3.8 Max jest zamknięty.
• Kimi K3 i GLM-5.3 - otwarte wagi, ale na własnych licencjach z ograniczeniami komercyjnymi.
• Step 5 - wagi zapowiedziane na 15 października, licencji jeszcze nie ma. Przy 600 mld parametrów to ok. 1,2 TB w BF16, czyli sprzęt serwerowy.

Co wybrać

• Do pisania i korekty po polsku: Kimi K3 albo Qwen3.8 Max. Spośród tańszych - DeepSeek V4.1 Flash.
• Do programowania przez API, gdy liczy się cena: Step 5 Preview albo GLM-5.3. Step 5 ma lepsze wyniki producenta w DeepSWE i ProgramBench, GLM w pracy w terminalu.
• Do długich dokumentów i wideo na wejściu: Step 5, bo przyjmuje wideo do 128 MB i 1 mln tokenów kontekstu z cache za 0,05 USD.
• Do postawienia u siebie bez kłopotów z licencją: DeepSeek (MIT) albo mały Qwen (Apache 2.0). Przy Step 5 poczekaj na licencję 15 października.

To moja opinia na podstawie danych Artificial Analysis i jednego przebiegu mojego testu. Wszystkie modele z tego tekstu i wiele innych porównasz sam w Arenie modeli po polsku.