StepFun, 6000억 파라미터 MoE 모델 Step 5 Preview 공개 예정 발표

2026년 9월 20일, StepFun은 Step 5 Preview를 공개하면서 이 모델을 코딩, 소프트웨어 엔지니어링, 전문 업무 및 금융 분야에 특화된 모델로 포지셔닝했다. 발표는 API와 StepFun Studio 인터페이스 모두를 포함했으며, 두 서비스는 같은 날 공개 접근이 가능해졌다.

아키텍처는 희소 게이트 혼합 전문가(MoE) 설계를 따르고 있다. 전체 파라미터 수는 6000억이지만 토큰당 활성화되는 파라미터는 270억에 불과해 추론 시 연산량을 크게 낮추면서도 모델 용량을 유지한다.

멀티모달 기능과 컨텍스트 길이

Step 5 Preview는 텍스트와 이미지 입력을 모두 받아 텍스트를 출력한다. 가장 눈에 띄는 기술적 주장으로는 100만 토큰이라는 컨텍스트 창을 제공한다는 점이다. 이는 대부분의 최신 대형 언어 모델을 훨씬 넘어서는 길이로, 매우 긴 형태의 추론이나 코드 분석에 유리하다.

멀티모달 처리 능력은 텍스트 생성에만 제한된다. 이미지 생성이나 편집 기능은 발표되지 않았다. 입력이 “텍스트와 이미지”라고 명시된 점은 비전‑언어 임베딩이 동일한 MoE 라우팅에 통합된다는 의미로 해석된다.

성능 순위

OrcaRouter의 Intelligence Index에 따르면, 이 모델은 44점을 받아 200개 모델 중 24위를 차지했다. 동일한 순위는 2026년 9월 20일자 OrcaRouter 블로그 게시물에서도 확인할 수 있다.

Leiphone은 StepFun이 Step 5 Preview를 해당 지표에서 상위 3개 오픈 모델에 포함시켰으며, 작업당 비용이 Claude Opus 5보다 8배 낮다고 주장했다. 다만 비용 비교는 제공자의 자체 가격표에 기반했으며 독립적인 검증은 이루어지지 않았다.

오픈 가중치 공개 일정

StepFun은 모델 가중치를 2026년 10월 15일에 공개할 예정이라고 발표했다. 그때까지는 Hugging Face 저장소가 가중치 파일, 라이선스 정보, 모델 카드, 설정 파일 없이 자리표시자만 존재하기 때문에 자체 호스팅은 불가능하다.

라이선스와 설정 파일이 없기 때문에, 가중치 파일이 나타나더라도 사용자는 추가 메타데이터가 제공될 때까지 법적·기술적으로 파이프라인에 통합할 수 없다.

• 6000억 전체 파라미터
• 토큰당 270억 활성 파라미터
• 100만 토큰 컨텍스트 창
• 텍스트·이미지 입력 지원

Artificial Analysis는 Intelligence Index 점수를 제공했고, OrcaRouter는 순위 데이터를 제공했다. 두 소스 모두 StepFun의 내부 마케팅 자료와는 독립적이며 모델 발표와 동일한 날에 공개되었다.

Claude Opus 5 대비 8배 낮은 비용이라는 주장은 StepFun의 가격표에 근거한다. 비용 효율성에 대한 제3자 감사는 아직 발표되지 않았으며, 사용된 방법론은 OrcaRouter와 Leiphone이 적용한 순위 계산 방식과 다르다.

Step 5 Preview의 설계 원리를 살펴보면, 희소 게이트 MoE 구조가 핵심적인 역할을 수행한다는 점을 강조할 수 있다. 전체 파라미터가 6000억에 달하지만 실제 추론 단계에서는 토큰당 270억만이 활성화되므로, 연산 효율성과 메모리 사용량 사이의 균형을 맞추는 것이 가능하다. 이러한 구조적 선택은 대규모 모델이 일반적으로 직면하는 비용과 지연 시간 문제를 완화시키는 동시에, 모델 용량 자체는 유지한다는 장점을 제공한다. 따라서 기존의 완전 연결형 대형 언어 모델에 비해 동일한 하드웨어 환경에서 더 높은 처리량을 기대할 수 있다. 이와 같은 효율성은 특히 클라우드 기반 서비스 제공자나 대규모 배포 환경에서 비용 구조를 재조정하는 근거가 된다.

컨텍스트 길이가 100만 토큰에 이른다는 기술적 주장은, 초장문 입력을 필요로 하는 업무 시나리오에서 실용적인 변화를 가져올 수 있음을 시사한다. 예를 들어, 복잡한 코드베이스 전체를 한 번에 분석하거나, 방대한 금융 보고서를 연속적으로 검토하는 경우, 기존 모델의 제한된 컨텍스트 창으로는 중요한 정보를 놓칠 위험이 있다. 그러나 이러한 초장문 처리 능력은 메모리 관리와 토큰화 전략에 대한 추가적인 검증이 필요하다. 실제 운영 환경에서 메모리 누수나 토큰 분할 오류가 발생하지 않는지를 확인하기 위해서는, 장기적인 스트레스 테스트와 다양한 데이터 포맷에 대한 호환성 검증이 선행되어야 한다. 따라서 초장문 지원이 실질적인 생산성 향상으로 이어지려면, 이러한 검증 절차가 반드시 수반되어야 한다.

멀티모달 입력을 텍스트와 이미지 모두 지원한다는 점은, 비전‑언어 임베딩이 MoE 라우팅에 통합된다는 의미로 해석될 수 있다. 이는 이미지 정보를 텍스트 생성 과정에 활용할 수 있음을 의미하지만, 현재 모델이 이미지 자체를 생성하거나 편집하는 기능을 제공하지 않는다는 제한이 존재한다. 따라서 사용자는 이미지 입력을 통해 얻을 수 있는 정보의 범위와 정확성을 사전에 평가해야 한다. 특히, 이미지에서 추출된 특징이 텍스트 출력에 얼마나 영향을 미치는지에 대한 정량적 분석이 부족한 상황에서는, 멀티모달 활용에 대한 기대치를 현실적으로 조정할 필요가 있다. 이러한 제한을 인지하고, 이미지 입력을 보조적인 컨텍스트로 활용하는 방안을 모색하는 것이 실용적인 접근법이다.

비용 효율성에 대한 주장은 현재 제공된 가격표에 기반하고 있으나, 독립적인 제3자 감사가 이루어지지 않은 상태이다. 따라서 실제 사용량에 따른 비용 절감 효과를 검증하려면, 기업 내부에서 상세한 비용 모델을 구축하고, 동일한 워크로드를 기존 모델과 비교 분석해야 한다. 또한, 비용 비교 시에는 라이선스 조건, 지원 수준, 서비스 가용성 등을 종합적으로 고려해야 하며, 단순히 가격표상의 수치만으로 결론을 내리는 것은 위험할 수 있다. 이러한 검증 과정을 통해 비용 효율성이 실제 운영 환경에서 어느 정도 실현되는지를 판단할 수 있다.

가중치 공개 일정이 10월 15일로 예정되어 있는 점은, 현재 단계에서는 모델을 자체 호스팅하거나 커스터마이징하기 어려움을 의미한다. 라이선스와 설정 파일이 제공되지 않는 한, 가중치 파일이 공개되더라도 법적·기술적인 제약으로 인해 바로 활용할 수 없는 상황이다. 따라서 기업은 공개 일정 이전에 자체 인프라와 정책을 사전에 준비하고, 가중치가 제공될 때 신속히 통합할 수 있는 절차를 마련해야 한다. 또한, 공개 이후에도 메타데이터와 라이선스 조건이 명확히 정의될 때까지는 제한된 테스트 환경에서만 모델을 평가하는 것이 안전하다.

실제 활용 시나리오를 고려하면, 초대형 희소 게이트 모델의 도입은 전문 업무 영역에서 큰 변화를 촉진할 가능성이 있다. 특히, 코드 기반 작업이나 금융 문서 분석처럼 대량의 컨텍스트가 요구되는 분야에서는, 높은 파라미터 효율성과 초장문 지원이 생산성을 크게 향상시킬 수 있다. 그러나 이러한 기대 효과를 실현하기 위해서는, 모델의 실제 성능 검증, 비용 구조 검토, 라이선스 및 메타데이터 확보 등 여러 사전 조건이 충족되어야 한다. 따라서 기업은 단계별 검증 로드맵을 수립하고, 각 단계에서 발생할 수 있는 리스크를 관리함으로써, 모델 도입에 따른 실질적인 가치를 극대화할 수 있다.

한국 기업 입장에서 보면, 10월 중순부터는 매우 큰 규모의 희소 게이트 모델을 이용해 초장문 컨텍스트와 멀티모달 입력을 처리할 수 있게 된다. 비용 절감 효과가 실현된다면 코드 중심 워크로드, 금융 문서 분석 등 대용량 컨텍스트가 필요한 전문 업무에서 비용을 크게 낮출 수 있다. 다만 공식 라이선스와 설정 파일이 제공될 때까지 자체 호스팅은 불가능하며, 기업은 자체 사용량에 기반해 비용 주장을 검증해야 한다.