Hersteller · Sprachmodelle · Bildmodelle · Videomodelle
StepFun hat 8 Modelle im Verzeichnis. Das stärkste ist Step 5 Preview: Platz 27 bis 36 von 95 im Gesamtindex.
Im Verzeichnis: 4 Sprachmodelle, 1 Bildmodell und 3 Videomodelle. 7 davon mit offenen Gewichten, die sich lokal betreiben lassen.
Alle Modelle, die es je gab. Modelle mit Profil führen zu allen Benchmarks, Preisen und Quellen.
| Step 3.7 Flash | Mai 2026 | Open Source | k. A. | 0,20 $ / 1,15 $ | 108 | 256 Tsd. | 41 |
| Step 3.5 Flash 2603 | 02.04.2026 | Aktiv | k. A. | k. A. | 151 | 256 Tsd. | 18 |
| Step 3.5 Flash | Februar 2026 | Open Source | k. A. | 0,10 $ / 0,30 $ | 160 | 256 Tsd. | 19 |
| Step 5 Preview | k. A. | Vorschau | 43Platz 27 bis 36 von 95 | 1 $ / 2,70 $ | 182 | k. A. | 2 |
| NextStep-1.1 | 24.12.2025 | Aktiv | k. A. | k. A. |
| Step-Video-TI2V 30B | 17.03.2025 | Aktiv | k. A. | k. A. |
| Step-Video-T2V 30B | 17.02.2025 | Aktiv | k. A. | k. A. |
| Step-Video-T2V Turbo | k. A. | Aktiv | k. A. | k. A. |
Sprachmodell · Mai 2026
Neu an Step 3.7 Flash ist das Bildverständnis in StepFuns schneller Step-Reihe. Das sparse MoE verarbeitet Text und Bilder, gibt Text aus, aktiviert ungefähr 11 Milliarden Parameter und bietet 256K Kontext mit niedriger, mittlerer oder hoher Reasoning-Intensität.
Sprachmodell · 02.04.2026
Step 3.5 Flash 2603 ist StepFuns großes, sparsames Mixture-of-Experts-Grundmodell für Schlussfolgern, Code und agentische Aufgaben. Die offizielle Karte nennt 196,81 Milliarden Gesamtparameter und ungefähr 11 Milliarden aktive Parameter pro Token. MTP-3 und ein 256.000-Token-Kontext sollen hohe Antwortgeschwindigkeit mit langen Arbeitsläufen verbinden. Der Checkpoint ist für Text-zu-Text und offene Apache-2.0-Gewichte ausgelegt, nicht für eine multimodale Step-Konfiguration.
Sprachmodell · Februar 2026
Step 3.5 Flash kombiniert etwa 197 Milliarden Gesamtparameter mit 11 Milliarden aktiven Parametern und einem 256K-Kontext mit Sliding-Window-Attention. Das schnelle Open-Weights-Modell verarbeitet Text; StepFun wertet zusätzlich eine Parallel-Thinking-Variante aus.
Bildmodell · 24.12.2025
NextStep-1.1 ist ein Bildmodell von StepFun. Die geprüften Modellangaben nennen 15 Mrd. Parameter.
Videomodell · 17.03.2025
Step-Video-TI2V 30B ist ein Videomodell von StepFun. Step-Video-TI2V 30B verarbeitet Text und Bild in einem gemeinsamen Video-Modell; die Modellbeschreibung nennt bis zu 102 Frames.
Videomodell · 17.02.2025
Step-Video-T2V 30B ist ein Videomodell von StepFun. Step-Video-T2V 30B ist ein Text-zu-Video-Modell.
Videomodell · k. A.
Step-Video-T2V Turbo ist ein Videomodell von StepFun. Step-Video-T2V Turbo unterstützt Text-zu-Video.
Abgeleitet aus Gesamtindex, API-Preis und gemessenem Tempo der aktuellen Modelle.
Die stärkste Wahl
Step 5 Preview
Höchster Gesamtindex des Herstellers
Am schnellsten
Step 3.5 Flash
160 Token/s, ein typisches Modell schafft 98
Die 20 besten Sprachmodelle, die Modelle von StepFun hervorgehoben. Über „Alle“ und den Filter lassen sich alle Modelle im Index zeigen.
20 von 95 Modellen
Anbieter
Gewichte
Preis (Mischpreis je 1 Mio. Token)
Erschienen
Anthropic
OpenAI
Meta
Moonshot AI
DeepSeek
xAI
Z.ai
Xiaomi
Alibaba
StepFun
Mistral AI
MiniMax
Thinking Machines Lab
Inception
| Hersteller | Modelle | Modellarten | Bestes Sprachmodell | Top 10 | Offene Gewichte | Neu 2026 |
|---|---|---|---|---|---|---|
| Anthropic | 33 | 33 Sprachmodelle | Claude Opus 5.5 (Platz 1 bis 3) | 4 | 0 | 13 |
| OpenAI | 65 | 46 Sprachmodelle, 6 Bildmodelle, 2 Videomodelle, 9 Audiomodelle, 2 Spezialmodelle | GPT-6 Astra (Platz 4 bis 8) | 2 | 4 | 27 |
| 67 | 43 Sprachmodelle, 5 Bildmodelle, 6 Videomodelle, 11 Audiomodelle, 2 Spezialmodelle | Gemini 4 Carbon (Platz 1 bis 5) | 2 | 19 | 26 | |
| Meta | 32 | 29 Sprachmodelle, 1 Bildmodell, 1 Videomodell, 1 Spezialmodell | Muse Wonder Full (Platz 6 bis 9) | 2 | 26 | 7 |
| DeepSeek | 25 | 23 Sprachmodelle, 2 Bildmodelle | DeepSeek V4.1 Flash 1017 (Platz 13 bis 20) | 0 | 25 | 9 |
| Moonshot AI | 12 | 12 Sprachmodelle | Kimi K3.1 Pro (Platz 10 bis 13) | 0 | 10 | 7 |
| xAI | 18 | 12 Sprachmodelle, 3 Bildmodelle, 3 Videomodelle | Grok 4.7 (Platz 18 bis 24) | 0 | 1 | 12 |
| StepFun | 8 | 4 Sprachmodelle, 1 Bildmodell, 3 Videomodelle | Step 5 Preview (Platz 27 bis 36) | 0 | 7 | 3 |
Nach Veröffentlichungsdatum. Grau: abgelöste Modelle.
3 Veröffentlichungen seit Januar 2026, nach Veröffentlichungsdatum.
Preise je 1 Mio. Token für die aktuellen Sprachmodelle, laut StepFun oder dem jeweils verlinkten Anbieter im Modellprofil.
| Aktuelles Modell | Eingabe | Ausgabe | Kontext |
|---|---|---|---|
| Step 5 PreviewVorschau | 1 $ | 2,70 $ | k. A. |
| Step 3.5 Flash | 0,10 $ | 0,30 $ | 256 Tsd. |
| Step 3.7 Flash | 0,20 $ | 1,15 $ | 256 Tsd. |
Im Verzeichnis stehen 8 StepFun-Modelle: 4 Sprachmodelle, 1 Bildmodell und 3 Videomodelle. Gezählt sind alle Modelle, die StepFun je veröffentlicht hat, auch abgelöste. Aktuell verfügbar sind 7, die neuesten davon Step 3.7 Flash, Step 3.5 Flash 2603 und Step 3.5 Flash.
Step 5 Preview. Es steht im Gesamtindex auf Platz 27 bis 36 von 95. Der Gesamtindex fasst unabhängige Benchmarks aus mehreren Quellen zusammen.
Step 3.7 Flash, veröffentlicht im Mai 2026. Die Timeline weiter unten zeigt alle Veröffentlichungen nach Datum.
Über die API je 1 Mio. Token (Eingabe / Ausgabe): Step 3.5 Flash 0,10 $ / 0,30 $ und Step 5 Preview 1 $ / 2,70 $. Die Preise aller 3 aktuellen Sprachmodelle stehen in der Preistabelle.
Im Gesamtindex nein. Das beste OpenAI-Modell GPT-6 Astra (Platz 4 bis 8 von 95) liegt vor Step 5 Preview (Platz 27 bis 36 von 95). Bei einzelnen Aufgaben kann das anders aussehen.
Ja, 7 der 8 Modelle haben offene Gewichte. Wie viel Speicher sie brauchen, steht im jeweiligen Modellprofil.
Step 5 Preview mit 182 Token pro Sekunde laut Artificial Analysis. Ein typisches Modell schafft 98.
Höchstens 256.000 Token (≈ 380 A4-Seiten), das schaffen 3 der aktuellen Modelle, darunter Step 3.7 Flash. Die Werte aller Modelle stehen in der Modellliste.
Datenstand: 02.11.2026