Kvantora.ai
ВойтиНачать работу
К результатам поиска

stepfun

Step 5 Preview

Step 5 Preview — предварительная базовая модель StepFun для практических задач. Ориентирована на программирование и профессиональные знания.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запрашивать несколько вызовов инструментов. Приложение проверяет права и выполняет действия.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 1 000 000 токенов1 000 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Видео на входеВидео на входеНаправление работы с видео подтверждено данными модели. Длительность, размер и формат определяются операцией.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
136,73 ₽
Выход
391,04 ₽
Кэш
6,84 ₽
за 1 млн токенов
Интеллект
43,7
Доступность
100%
Подключить APIОткрыть в студии
API ID
stepfun/step-5-preview

Данные каталога получены .

Цена

Текстовый диалог · вход
136,73 ₽ / 1 млн токенов
Текстовый диалог · выход
391,04 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
6,84 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Step 5 Preview — предварительная базовая модель StepFun для практических задач. Ориентирована на программирование и профессиональные знания. Разработчик: stepfun. Вход: текст, изображения, видео. Выход: текст. Контекст: 1000000 токенов. Максимальный ответ: 1000000 токенов.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения, Видео

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
1 000 000 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
1 000 000 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Параллельные вызовы инструментов, Структурированный ответ, Входные изображения, Входное видео

Контрольные показатели

Artificial Analysis

13 показателей · проверено

Источник ↗
Индекс интеллекта
43,7 индексСводная оценка Artificial Analysis по всем её тестам

Агентная работа

  • AA-Briefcase1 424 Elo

    Агентная работа со знаниями (Elo)

  • AutomationBench-AA51 %

    Автоматизация рабочего процесса со штрафами за нарушение ограничений

  • AutomationBench-AA · полностью выполненные задачи17,7 %

    Полностью выполненные рабочие процессы без нарушений ограничений

  • GDPval-AA v21 587 Elo

    Экономически значимые задачи (Elo)

  • Harvey LAB-AA93,4 %

    Доля пройденных критериев юридической агентной работы

Рассуждение по документу

  • AA-LCR v1.188,3 %

    Рассуждение на длинном контексте с обновлённой оценкой

  • GDP.pdf14,8 %

    Профессиональное рассуждение по PDF: доля прохождения всех проверок

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)88,3 %

    Оценка рассуждений на длинном контексте

Рассуждения

  • HLE46,5 %

    Humanity’s Last Exam — вопросы экспертного уровня

Документ: рассуждение

  • MLCR-AA16,7 %

    Медицинское рассуждение на длинном контексте

Программирование

  • SciCode58,9 %

    Программирование на Python для научных вычислений

  • Terminal-Bench v4.033,3 %

    Практические задачи по программированию и работе в терминале

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "stepfun/step-5-preview",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ