StepFun a annoncé le 20 septembre Step 5 Preview : 600 milliards de paramètres en mélange d'experts dont 27 milliards actifs par token, un million de tokens de contexte, et un accès ouvert le jour même à environ 1 dollar par million de tokens en entrée, 2,70 en sortie. Ce tarif, pour ces caractéristiques, aurait paru irréaliste il y a six mois.
Nous documentons la baisse des prix depuis des mois. Voici un repère utile pour mesurer le chemin parcouru.
Situer ce tarif
Un dollar par million de tokens en entrée place ce modèle très en dessous des modèles de pointe occidentaux, qui se situent dans une fourchette de quelques dollars à plusieurs dizaines selon le segment.
Pour comparaison, nous rapportions que GPT-6 Astra avait multiplié son prix par 2,5, et que le tarif de Sonnet 5 avait augmenté de 50 % au 1er septembre.
La réserve habituelle s'impose : comparer des prix affichés ne veut plus dire grand-chose. Nous l'avons montré à répétition avec le niveau d'effort, le découpage en tokens et les paliers de contexte. Ce qui compte est le coût par tâche accomplie, mesuré sur vos propres cas.
L'architecture, et ce qu'elle permet
600 milliards de paramètres au total, 27 milliards actifs par token : c'est exactement le compromis que nous décrivions dans notre article sur le mélange d'experts. Les connaissances d'un très gros modèle pour le coût de calcul d'un modèle moyen.
Cela explique en bonne partie le tarif. Servir 27 milliards de paramètres actifs coûte infiniment moins que d'en servir 600.
Le rappel habituel vaut pour ceux qui envisagent l'hébergement interne : c'est la taille totale qui détermine la mémoire nécessaire, pas les paramètres actifs. Ce modèle est bon marché en API et hors de portée d'une machine ordinaire.
Cette sortie s'ajoute à celles de la semaine : un agent ouvert de 744 milliards, un modèle omnimodal à un million de tokens, et celui-ci. Trois modèles de très grande taille en quelques jours, venant d'acteurs différents, dont deux publiés sans campagne de communication. Il y a dix-huit mois, chacun aurait fait la une pendant une semaine. Aujourd'hui, ils s'empilent. C'est exactement le seuil de banalisation dont nous parlons ce soir.
Ce qu'il faut retenir
Ce tarif est une information plus utile qu'un score de benchmark, parce qu'il mesure quelque chose de vérifiable.
Il confirme ce que nous écrivions à propos de la valorisation d'une startup qui n'entraîne aucun modèle : la couche de base se banalise, et la valeur remonte vers ce qu'on construit dessus.
Pour quiconque développe quelque chose, la conclusion pratique n'a pas changé et se renforce : ne construisez pas sur un modèle, construisez sur une architecture qui permet d'en changer. Le paysage bouge trop vite pour que le bon choix d'aujourd'hui reste le bon dans six mois.