阶跃 Step 5 和书生 Atria Dawn：两条不去争通用旗舰的国产路线

9 月中下旬，国内有两家发了模型，都没往「通用旗舰」那条路上挤。

一个是阶跃星辰的 Step 5 Preview，9 月 19 日晚上放出来的，通稿里最突出的数字不是 benchmark，是每任务成本。另一个是上海人工智能实验室的 Atria-Dawn-Preview，9 月 11 日上的 HuggingFace，定位写得很直白：科研和工程 agent，纯文本输入，连图片和 PDF 都不接。

这两条路线放在一起看，比看它们各自的分数有意思。

一、Step 5 Preview：把成本写进发布材料的正中间

• →600B 总参 / 27B 激活，稀疏 MoE
• →1M 上下文，支持文本加视觉输入
• →输出速度约 100 tokens/s
• →定价：输入 ¥7（缓存未命中）/ ¥0.35（缓存命中），输出 ¥20，单位元每百万 token
• →截至发稿尚未开源，官方定档 10 月 15 日放权重，许可证类型没公布

分数方面：Artificial Analysis 智能指数 44 分，发布当日是开源模型全球第三（后续有媒体称升到第二）；DeepSWE v1.1 拿 67.7%；Frontier Finance 这一项高于 GLM-5.3、Kimi K3 和 DeepSeek V4.1-Flash。

但整份材料里被反复强调的是这两个数：单任务成本是 Claude Opus 5 的八分之一；加权平均成本 $0.71。

这个 $0.71 后面还跟了一个对照：DeepSeek V4.1-Flash 是 $0.27。

阶跃把自己贵了 2.6 倍这件事也写出来了。这是我愿意认真看这份材料的原因——一份只挑自己赢的项目来比的发布稿，信息量趋近于零。

官方的叙事是「把计算效率当作新的 Scaling 维度」，路线是 Step-3.5-Flash → Step-3.7-Flash → Step 5 Preview 一路下来的。翻译成人话：他们不打算在同一个能力水平上跟人比谁参数多，而是比同一个任务跑完谁花的钱少。

媒体对它的质疑也很实在，我原样转述：价格优势可能被推理硬件的进步和对手的补贴战抵消；编程场景已经形成了用户心智壁垒和工具链沉没成本，光便宜换不动人；金融场景目前缺少嵌入客户核心业务的案例。

三条都说到点上了。尤其第二条——在编程这件事上，让一个开发者换模型的成本远不止 API 调用费，他的提示词库、他的 agent 框架配置、他对这个模型脾气的熟悉度，全是沉没成本。

一个实操上的麻烦：Step 5 Preview 的准确 API model id 字符串我没能查到。阶跃的开发者文档站是 JS 渲染加验证码，抓不到正文，OpenRouter 上也还没有它的条目。要接的话，得自己去控制台翻。等 10 月 15 日开源之后，这个问题会自动解决。

二、Atria-Dawn-Preview：744B，基座是 GLM-5.2

上海人工智能实验室 9 月 11 日上 HuggingFace 的这个模型，有一个很少见的公开信息：

744B 的 MoE，基于 GLM-5.2 基座构建。MIT 协议。

一家实验室拿另一家公司的开源基座接着往上做，然后用 MIT 放出来——这在 2026 年的国产模型生态里是个值得注意的信号。国产开源模型之间开始互相接力了，不再是各做各的。

规格：

• →744B 总参 MoE（HF 列表标 753B）
• →上下文 256K
• →纯文本输入，不接受图片、PDF 或任何多模态附件
• →MIT

分数：DeepSearchQA 96.0、BFCL v4 77.0、CyberGym 86.5；官方称 16 项 benchmark 里有 5 项第一。

定位是科研和工程 agent，官方框定了四个维度：发现（Discovery）、创造（Creation）、交付（Delivery）、网络安全（Cybersecurity）。配套论文分析了 769 条任务记录，里面有一个数我觉得比任何 benchmark 都值得记：约三分之一已完成的 AI 辅助任务被评为「没有 AI 就做不成」。

不是「有 AI 快一点」，是「没有就做不成」。这个比例如果站得住，它描述的是一个和「提效」完全不同的东西。

没有官方托管的 API，也就没有官方定价——它是开放权重，要用就自己部署。

三、同门的另外两个：Intern-S2 系列

上海 AI 实验室这两个月还放了两个：

Intern-S2-397B（9 月 13 日，Apache 2.0）：397B 的多模态科学基座。上下文是文本推理 256K、多模态任务 64K，两个口径不一样，别混用。能力覆盖 20 多个学科的科学推理、长周期 agent、工具调用、时间序列推理（时间序列这一项只有 LMDeploy 支持）。

它有个坑：关掉 thinking mode 的时候不建议用于 agent 任务。另外 HuggingFace 原生推理跑它不太顺，官方推荐 LMDeploy、vLLM 或 SGLang。

要注意日期：它的 Preview 版 Intern-S2-Preview-397B 是 7 月 16 日上的，对应 WAIC 2026，那个不在这两个月的窗口里。

Intern-S2-Mobius（7 月 29 日，Apache 2.0）：36B，架构叫 Mobius-v0，思路是把知识存储和推理计算解耦——一个共享的 Memory 配多个 Reasoner，支持跨层反向残差和递归迭代的动态隐式推理。由 Qwen3.5-35B 继续预训练加 SFT 加 RL 得到。上下文 128K。

官方给的数：相比 Qwen3.5-35B 基线，端到端推理效率约 4 倍加速，推理效果相当，输出 trace 明显更短。

输出 trace 更短这件事在 2026 年下半年越来越值钱。这一批模型普遍的毛病是想太多、写太长——腾讯 Hy4 自己承认过度自我验证，智谱 GLM-5.3 默认 reasoning_effort 是 max。在这个背景下，一个「效果相当但话少四倍」的 36B 模型，对成本敏感的场景来说是很实在的东西。

四、这两条路线对普通团队意味着什么

先说结论：这两家的东西，大部分中小团队现在还用不上。

Step 5 Preview 还没开源、model id 都查不到；Atria Dawn 和 Intern-S2 是开放权重没有官方 API，744B 和 397B 的部署门槛不是一般团队扛得住的；Mobius 36B 是唯一门槛合适的，但它是个科学方向的模型。

但这两条路线值得你花十分钟了解，因为它们指出了两件正在发生的事：

第一，「每任务成本」正在取代「每百万 token 单价」成为真正的比较口径。单价便宜但话多的模型，总账可能比单价贵但话少的更高。阶跃把这个口径摆到台面上，是这两个月国内厂商里少见的。你自己做选型的时候，也该把评测指标从「输入输出单价」换成「跑完我这一批活总共多少钱」。

第二，专用模型开始有独立的生存空间了。Atria Dawn 不接图片、Intern-S2 主攻科学、Mobius 换架构换速度——它们都没打算做「什么都能干」的那个模型。在通用能力被头部几家拉开之后，这可能是更现实的活法。

最后提一句可用性：Atria-Dawn-Preview 有 FP8 版和 Ascend-w8a8 版（9 月 12 日和 9 月 15 日上的），国内在做国产算力适配的可以直接拿。这条信息对某些团队比前面所有分数加起来都有用。