Step 5 vs. Kimi K3, GLM-5.3, Qwen und DeepSeek im Vergleich

👁 121 Aufrufe

Das neue Modell Step 5 Preview von StepFun reiht sich in das Spitzenfeld chinesischer Sprachmodelle neben Kimi K3, GLM-5.3, Qwen3.8 und DeepSeek V4.1 ein. Im unabhängigen Intelligence Index von Artificial Analysis zieht es mit Kimi K3 gleich (44 Punkte) und liegt nur einen Zähler hinter GLM-5.3, während die reinen Tokenpreise unter beiden liegen. In unserem Redaktionstest auf Polnisch schnitt es dagegen schwächer ab. Nachfolgend finden Sie den direkten Leistungs- und Kostenvergleich auf Basis geprüfter Zahlen: Benchmarks, Preise, Kontextfenster und Lizenzen.

Vergleichstabelle: Technische Daten und Preise

Quelle für Indizes, Preise, Kontextfenster und Parameter: Modellprofile von Artificial Analysis, Stand: 9. Oktober 2026. Bei den Preisen handelt es sich um die offiziellen Herstellerangaben; Plattformen wie OpenRouter können je nach Hosting-Provider abweichen.

Intelligenz-Benchmark: Ausgeglichenes Spitzenfeld

Der Unterschied von nur einem Punkt zwischen GLM-5.3, Qwen3.8 Max, Step 5 und Kimi K3 bedeutet in der Praxis Gleichstand. Bemerkenswert ist die Modellarchitektur: Step 5 erreicht dieses Leistungsniveau mit nur 27 Milliarden aktiven Parametern, während Kimi K3 104 Milliarden benötigt. Das spiegelt sich im Ressourcenbedarf wider. In internen Auswertungen gibt StepFun an, dass die Aufgabenkosten im Max-Modus um 65 % unter denen von GLM-5.3 und Kimi K3 liegen.

In den herstellereigenen Benchmarks führt Step 5 im Bereich Coding: Bei DeepSWE erzielt das Modell 67,7 Punkte gegenüber 67,5 bei Kimi K3 und 66,9 bei GLM-5.3; bei ProgramBench liegt es mit 80,5 Punkten vor 77,8 bzw. 72,0 Punkten. Bei Terminal-Bench v4 muss sich Step 5 mit 33,3 Punkten allerdings GLM-5.3 (41,9) geschlagen geben, distanziert Kimi K3 (12,6) jedoch deutlich. Qwen und DeepSeek wurden in dieser Herstellertabelle nicht aufgeführt.

API-Preise und reale Nutzungskosten

Der Preis pro Million Tokens greift als Kennzahl oft zu kurz. Step 5 bietet zwar günstige Output-Raten, erzeugt durch lange interne Überlegungen jedoch enorme Tokenmengen. Dadurch lagen die tatsächlichen Kosten bei unseren neun Textaufgaben sechsmal höher als bei GLM-5.3. Im Gesamttest inklusive wiederholter Abfragen stiegen die Kosten auf 0,31 USD gegenüber 0,03 USD bei GLM-5.3. Auch Artificial Analysis bestätigt diese Beobachtung: In deren Testlauf erzeugte Step 5 insgesamt 160 Millionen Tokens bei einem Median von 94 Millionen. Bei agentenbasierten Workflows mit hohem Kontextvolumen sollten Sie daher die Kosten anhand Ihrer tatsächlichen Prompt-Last berechnen.

Mehrsprachigkeit im Praxistest

Wir haben die Modelle in einem standardisierten Testlauf auf Polnisch überprüft: Alle Systeme erhielten identische 13 Aufgaben (neun Textproduktionen, zwei Lektorate, zwei Wissensabfragen) mit niedriger Reasoning-Einstellung und identischen Token-Limits. Step 5, Qwen3.8 Max und GLM-5.3 wurden am 9. Oktober gemeinsam bewertet; Kimi K3 und DeepSeek stammen aus einer früheren Evaluierungsrunde mit kalibrierten Anker-Modellen. Punktabstände von 2 bis 3 Punkten gelten dabei als gleichwertig.

Das schwächere Gesamtergebnis von Step 5 lag vor allem an drei Abbrüchen: Bei einer Produktbeschreibung und beiden Lektoratsaufgaben verbrauchte das Modell das gesamte Tokenbudget im Denkprozess und lieferte keinen Output. Wenn eine Antwort zustande kam, waren kurze Formate solide (E-Mail: 8,5/10), während längere Erzähltexte mit 5,0/10 Punkten abfielen. Ausführliche Ergebnisse finden Sie im Beitrag Step 5 im Praxistest mit 13 Aufgaben.

Lizenzierung und lokales Hosting

• DeepSeek V4.1 Flash und V4 Pro: Veröffentlicht unter der MIT-Lizenz und damit für kommerzielle sowie private Deployments am flexibelsten.
• Qwen3.8 27B: Steht unter Apache 2.0 und lässt sich mit 4-Bit-Quantisierung bereits auf einer Grafikkarte mit 24 GB VRAM ausführen. Qwen3.8 Max ist hingegen proprietär.
• Kimi K3 und GLM-5.3: Gewichte sind öffentlich zugänglich, unterliegen jedoch eigenen Modelllizenzen mit kommerziellen Beschränkungen.
• Step 5: Die Bereitstellung der Modellgewichte wurde für den 15. Oktober angekündigt; die Lizenzbedingungen sind noch offen. Mit 600 Milliarden Parametern erfordert das Modell im BF16-Format rund 1,2 TB Speicher und richtet sich an Server-Cluster.

Empfehlungen für den Einsatz

• Für Textarbeit und Redaktion in Nicht-Standardsprachen: Kimi K3 oder Qwen3.8 Max. Als budgetschonende Variante überzeugt DeepSeek V4.1 Flash.
• Für Entwicklungsaufgaben via API: Step 5 Preview oder GLM-5.3 bieten hier das beste Preis-Leistungs-Verhältnis. Step 5 schneidet laut Entwickler bei DeepSWE und ProgramBench stärker ab, GLM punktet bei Terminal-Workflows.
• Für multimodale Dokumente und Videoeingaben: Step 5 verarbeitet Videos bis zu einer Dateigrösse von 128 MB und bietet 1 Million Kontext-Tokens mit Kontext-Caching ab 0,05 USD.
• Für lokales On-Premise-Hosting ohne Rechtsrisiken: DeepSeek (MIT) oder Qwen3.8 27B (Apache 2.0). Für Step 5 sollten Sie die finale Lizenzveröffentlichung abwarten.

Diese Einschätzung basiert auf den Messwerten von Artificial Analysis sowie unseren eigenen Testläufen. Einen direkten Vergleich weiterer Modelle finden Sie in unserer KI-Modell-Arena.

// weiterlesenWas kostet ein KI-Artikel? DeepSeek V4 Flash vs. Claude FableBenchmarksKimi K3: Ein- und Ausgabepreise im API-VergleichNachrichtenEmbeddings und Vektordatenbanken einfach erklärt: Praxis-VergleichAnleitungen

Kinetyra