Wie man die Step 5 Preview-API verwendet

Step 5 Preview ist das Frontier-Reasoning-Modell von StepFun. Es akzeptiert Text-, Bild- und Videoeingaben, antwortet im Text und trägt einen Token-Kontext von 1.024.000. Es unterstützt paralleles Funktionsaufruf, eine strikte JSON-Schema-Strukturausgabe, automatisches Prompt-Caching und eine Steuerung des Denkaufwands mit drei Ebenen.

Es ist heute über eine OpenAI-kompatible API auf EmpirioLabs verfügbar, mit Streaming und bis zu 131.072 Ausgabetoken. Probieren Sie es aus spielplatz oder rufen Sie es von einem OpenAI-kompatiblen Client auf. Die volle Spec und aktuelle Preise leben auf der Schritt 5 Vorschaumodellseite und die API-Doku.

Ruf es

Zeigen Sie auf einen OpenAI-kompatiblen Client https://api.empiriolabs.ai/v1 und Verwendung step-5-preview Als Modell-ID.

curl https://api.empiriolabs.ai/v1/chat/completions \ -h "Autorisierung: Träger $EMPIRIOLABS_API_KEY" \ -H "Inhaltstyp: application/json" \ -d '{ "model": "step-5-preview", "messages": [{"role": "user", "content": "Plane eine dreistufige Migration von einem Monolithen ab."}], "reasoning_effort": "high", "max_tokens": 2000 }'

Dasselbe Modell beantwortet die Responses-API, das Anthropic Messages-Format und die Gemini-kompatible Route, sodass die meisten bestehenden Clients ohne Neuschreibung funktionieren. Die Dokumentationsseite listet alle unterstützten Endpunkte auf.

Arbeit mit Bildern und Video

Fügen Sie ein Bild mit einem Standard an image_url Inhaltsteil oder einen Clip mit einem video_url teil. Beide akzeptieren eine URL oder eine Daten-URL. Halte Video unter 128 MB und Clips unter etwa fünf Minuten für die zuverlässigsten Ergebnisse.

Drei Dinge, die du vor deinem ersten Anruf wissen solltest

1. Die Begründung kehrt zurück reasoning content, und es wird als Ausgabe abgerechnet. Diese Token sind enthalten in completion_tokens, aber completion_tokens_details.reasoning_tokens Berichte null, also lesen Sie completion_tokens anstatt die Argumentationsunterzählung, wenn Sie die Ausgaben zuschreiben.
2. Set eine Realität max_tokens. Das Denken wird aus demselben Budget wie die Antwort ausgegeben, daher kann ein kleines Budget eine leere Nachricht bei einem schwierigen Prompt zurückgeben. Gib ihm Spielraum.
3. Das Caching erfolgt automatisch, und man sieht es. Sende ein langes gemeinsames Präfix und die nächste Anfrage meldet den Treffer prompt_tokens_details.cached_tokens, abgerechnet mit der Cache-Leserate auf der Modellseite. Behalten Sie den stabilen Teil Ihres Prompts vorne, um davon zu profitieren.

Eine Anmerkung zu reasoning effort: Niedrig, Medium, und hoch sind die unterstützten Level. Andere Werte werden von der Anfrage akzeptiert und dann ignoriert, daher senden Sie einen der drei, anstatt sich auf eine benutzerdefinierte Zeichenkette zu verlassen.

Was es kostet

Schritt 5 Vorschau ist Pay-as-you-go, berechnet pro Token mit einem separaten rabattierten Tarif für zwischengespeicherte Eingaben und ohne Abo. Die aktuellen Tarife sind auf dem modellblatt und die preisseite.