Artificial Analysis 评测 Step 5 Preview：Intelligence Index 得 44 分，成本约为同级模型 1/2.8

Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelligence Index 得 44 分，与 Kimi K3（max）持平，略低于 GLM-5.3（max）和 Qwen3.8 Max 的 45 分，每任务成本约 $0.72，约为同级模型（约 $2.00）的 1/2.8。

第三方评测机构 Artificial Analysis 公布阶跃星辰 Step 5 Preview 的成绩：Intelligence Index 44 分，与 Kimi K3（max）持平，略低于 GLM-5.3（max）与 Qwen3.8 Max 的 45 分；单任务成本约 0.72 美元，约为同级模型约 2.00 美元的 1/2.8。

• 第三方评测机构 Artificial Analysis 公布阶跃星辰 Step 5 Preview 的成绩：Intelligence Index 44 分，与 Kimi K3（max）持平，略低于 GLM-5.3（max）与 Qwen3.8 Max 的 45 分；单任务成本约 0.72 美元，约为同级模型约 2.00 美元的 1/2.8。
• 原贴提到：Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelli
• 来源：x.com

这是什么信号：第三方评测机构 Artificial Analysis 对阶跃星辰 Step 5 Preview 给出 Intelligence Index 44 分，落在国产旗舰模型的头部区间内——与 Kimi K3（max）同分，仅比 GLM-5.3（max）和 Qwen3.8 Max 少 1 分。更值得注意的是成本项：单任务约 0.72 美元，而同级模型约 2.00 美元，成本约为对手的 1/2.8。分数差距只有 1 分，价格差距接近 3 倍，这组数据的核心信息不是“谁更强”，而是“同分段里的单位智能成本被重新定价”。

为什么重要：在 Intelligence Index 这类综合榜单上，头部模型近半年高度聚集在 44–45 分区间，纯分数已经很难作为选型依据。真正影响采购与产品决策的，是同等分数下的每任务成本、以及榜单之外的专项能力（例如智能体长链路任务的稳定性）。当同分模型之间的成本差达到近 3 倍，模型选择就会从“效果优先”转向“效果达标前提下的成本与稳定性权衡”，这会直接改变推理预算的分配方式。

对谁有价值：一是做模型选型与成本测算的技术负责人——44 分意味着它进入了可进入短名单的分数区间，0.72 美元/任务意味着在同等预算下可承载约 2.8 倍的调用量；二是做高频调用类产品的团队，例如批量内容处理、数据清洗、Agent 工作流，这类场景对价格弹性极其敏感；三是关注国产模型竞争格局的观察者，这组数据说明头部梯队的竞争焦点正从“刷分”转向“同分降价”。

可以怎么行动：把 Step 5 Preview 与 Kimi K3（max）、GLM-5.3（max）、Qwen3.8 Max 放进同一组对比，用自己业务的真实任务集做小规模 A/B，重点记录三件事：任务完成率、单位任务实际 token 消耗、以及长链路任务中的失败与重试率。若综合质量在可接受范围内，可先在非关键路径（如内部工具、批量预处理）灰度替换，用真实账单验证成本优势是否如评测所示。

风险与限制：第一，这是 Preview 版本，能力与定价都可能随正式版变动，评测分数不构成正式版承诺；第二，Intelligence Index 是聚合指标，无法反映具体语种、领域或工具调用能力的差异，单一总分不能替代专项评测；第三，AIHOT 的推荐理由中提到该评测也涉及智能体短板，这意味着在 Agent 场景中它未必与总分表现一致，需单独验证；第四，每任务成本受输入输出长度、缓存命中率、重试次数影响，评测中的 0.72 美元不等于你实际业务的单位成本。本信号不含任何官方链接与定价条款，落地前请以官方文档为准。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Artificial Analysis 评测 Step 5 Preview：Intelligence Index 得 44 分，成本约为同级模型 1/2.8》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• @ArtificialAnlys 原帖