step 5 preview是什么

入门与上手

讲清 step 5 preview 这类预览版模型的定位、能做什么不能做什么,以及要不要现在就用它。

你大概是在模型列表、中转站下拉框或者某篇更新帖里看到「step 5 preview」这个名字,不确定它是正式版、测试版还是某个中间档位,也不知道接进来会不会哪天突然没了。这篇不背参数,只讲判断方法:预览版通常在什么阶段放出来、能力上一般强在哪弱在哪、哪些活可以先拿它试、哪些活别急着切。看完你能自己决定是现在换、等正式版,还是先拿它做小范围验证。

你大概是在模型列表、中转站的下拉框或者某篇更新帖里看到「step 5 preview」这个名字,第一反应是:这是正式版、测试版,还是某个中间档位?接进来会不会过两天就没了?别急着查参数表,先搞清楚它在厂商的产品线里处在什么位置。这篇不背规格,只给你判断方法:这类预览版通常什么时候放出来、强在哪弱在哪、哪些活可以先拿它试、哪些活别急着切主链路。

看完你能自己拍板:是现在换、等正式版,还是先拿它做小范围验证。核心就一句话——预览版适合当探路车,不适合当承重墙。

「preview」这个后缀到底代表什么

预览版通常指厂商在正式版发布前放出的可调用版本,目的是收反馈、压测和铺生态,命名上常带 preview、beta、experimental 这类字眼。它和小版本号迭代不是一回事:小版本是同一个正式型号的修订,预览版往往是新能力的第一版,接口、参数、输出风格都可能变。判断依据看厂商自己的发布说明和模型页,别只信第三方转述。

正式版
型号稳定、接口承诺向后兼容,适合进生产链路
预览版
新能力先上,但接口和表现都可能变,随时可能被替换或下线
小版本迭代
同一型号的修订,能力边界不跳档,通常可直接升级
实验版
更早期,连命名都可能不复用,只适合技术预研

想确认它到底属于哪一档,到站内的 /models 对一下模型库里收录的版本状态,看它标的是正式、预览还是实验。中转站下拉框里的名字经常被改写,不能作为判断依据。

能力上一般强在哪、弱在哪

预览版常见的强项是新能力先上:更长的输入、新的工具调用方式、新的多模态输入,这些通常比同门正式版先支持。常见的弱项是稳定性和边界情况:长任务里跑偏、格式偶尔不听话、限速更紧、随时可能下线或被替换。这两面都要认,别只看宣传页列的新特性。

维度预览版常见表现正式版常见表现
新能力先支持,尝鲜首选跟进较慢,等稳定后才上
输出稳定性长任务偶发跑偏、格式偶尔不听话同一任务重复跑一致性更好
限速与配额通常更紧,高峰易排队相对宽松,适合持续调用
生命周期可能被替换或下线接口承诺更长期
价格与用量去 /price-watch 核对当时的数字去 /price-watch 核对当时的数字

别拿别人的跑分当结论。同一个版本在不同接入渠道上的表现能差很远,渠道的转发层、限速策略、上下文截断都会影响结果。要看评测方法就到 /benchmarks/registry 和 /crowd-radar 看它们怎么测,然后用自己的任务跑一遍小样本,那才是你的数据。

现在要不要切过去用

先分清用途。做技术预研、内部工具、非关键链路的实验,可以直接上,成本低、收益是新能力。面向客户的生产链路、有合规或稳定性承诺的场景,先别把主流程压上去。预览版下线一般会有公告但不会等你,所以别把它和正式版混在同一个快速切换开关后面,一定要留回退路径。

  1. 量一次延迟基线用 /tools/speed-test 对现有模型和 step 5 preview 各跑一轮,记录首字延迟和整体耗时,别凭体感说快慢。
  2. 跑 20 条真实任务做对照从你自己的业务里抽 20 条真实输入,两个模型各跑一遍,人工比对通过率和输出格式,不要用网上的通用题集。
  3. 把模型名写成配置项模型名和 base_url 放进配置文件或环境变量,不要写死在代码里,回退时改一行就能切回去。
  4. 确认渠道真的提供该版本如果走中转站接入,先在 /sites 和 /tools/verify 确认这个站有没有真实提供该版本,别只信模型下拉框里的名字。

接入前怎么小成本验证一遍

验证不需要大动干戈,关键是准备一组固定任务,跑完能对比才知道值不值得换。建议至少覆盖三类:一段长文档总结、一次工具调用、一次结构化输出。三样都过再谈切换,有一项不过就先只用在能容错的场景。

  • 对比维度就三个:任务通过率、单次耗时、单位用量成本;具体数字到 /tools/model-cost-calculator 和 /usage 按你当时的用量口径算
  • 长文档总结看它会不会丢中间信息,工具调用看参数格式稳不稳,结构化输出看有没有多余解释
  • 每类任务跑三轮而不是一轮,看结果一致性;预览版最常出问题的就是一致性
  • 把失败的样例单独存一份,作为以后判断「转正后有没有改善」的参照
  • 验证完把结论写下来,标清测试时间和用的是哪条渠道,下次换版本时有参照

还有一点容易被忽略:预览版转正之后,命名和接入方式都可能变。如果你现在就把模型名写死在中转站配置里,转正那天很可能要手动改一遍。写成配置项、留好注释,这一步五分钟,能省掉后面排查的时间。

下一步想先看看这个版本在当前收录状态和其他人的实测口径,可以去 /models 和 /crowd-radar 对一下,再决定是现在切还是先做小样本验证。

常见问题

step 5 preview 是正式版吗?能长期用吗?

通常不是。带 preview 的版本定位就是先行试用,厂商可能随时更新、替换或下线,时间窗口长短不固定。能不能长期用取决于厂商公告,建议把它当成会变的依赖:写进配置、留回退方案,别写死在核心链路里。具体该型号的状态到站内模型库页面核对当时的记录。

预览版和正式版效果差多少?值得换吗?

没有统一答案,同一家不同代之间差异都不一样。判断方法很土但有效:拿你自己的 20 条真实任务跑一遍,比通过率和耗时。如果你的场景吃的是新能力(更长输入、新工具调用),预览版可能明显更合适;如果吃的是稳定输出格式,正式版往往更省心。跑分榜单只当线索,不当结论。

通过中转站调用预览版模型,要注意什么?

重点确认三件事:这个站提供的到底是不是你想要的版本(不同站命名口径不一样)、有没有偷偷降级或转发到别的型号、限速和计费口径怎么写。可以用站内的探针和实测工具先验一遍,再拿小额度试跑。发现同一模型名两家表现差很多,属于常见情况,不是你配错了。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。