实测 Step 5 Preview：编码对比 DeepSeek V4 Pro，WorkBuddy 限免两周

原创 尹John 2026-10-13 13:01 北京

实测做视频、写游戏和页面复刻

最近封号封得有点狠，总有人跑来问我：号还能不能开？怎么开？有没有靠谱的路子？

但其实我自己也没能幸免，前几天刚被封了一个……所以我也是没办法的回答：与其死磕，不如直接换个好用的国产模型。

正好，阶跃星辰前两天发布了新模型 Step 5 Preview，10 月 8 日上线 OpenRouter 之后，12 个小时就冲到了 Trending 榜第一：

那我就想，还是得自己先测一测。

测试方法很简单，Claude Code 这个「壳」本身还是能用的，号没了的换个模型接上就好，所以我便给 cc 接上了 Step 5 Preview 的 API。

那拿它来干点什么呢？

我想到了之前开源的一个小项目 LessMouse，前两周在公众号评论区，还有来催更的：

说明还真有人在用啊！但也确实应该用，见：AI 时代，你更需要用好快捷键

这个开源项目，我其实一直都想着要常来维护的，只是工作一忙，就总是没顾上。那正好，就借着这次测模型的机会，把这个欠了挺久的更新给补上。

Step 5 Preview

01

Step 5 Preview 是一个稀疏 MoE 架构的模型，总参数 600B，每个 Token 激活 27B，支持 1M 上下文窗口，支持图片输入。

官方的定位是 AI 编程、软件工程和专业知识工作，并且特别提到了它在金融领域的能力比较突出。

在 Artificial Analysis 的智能指数（v4.3）上，它拿到了 44 分：

而且价格上也很有优势。

API 定价是输入 $1、输出 $2.7（每百万 tokens）。官方的说法是，在差不多的智能水平下，它跑一个任务的成本只有 GLM-5.3 和 Kimi K3 的 35%，Claude Opus 5 的 12.5%：

测算下来，Opus 5 跑一个任务的钱，它差不多能跑八个。

给 LessMouse 补上鼠标

02

LessMouse 是我之前做的一个 macOS 菜单栏小工具，平时就盯着你的键盘：比如你连按五次退格去删一个词，它会跳出来提醒你，按一下 ⌥⌫ 就行了。

（它只记次数，不记你敲了什么）

可它其实有个很大的问题——名字叫 LessMouse，却……从来没见过鼠标（我的锅，忘了加鼠标的识别）。

所以这次，就让两个模型来 PK 切磋给它完善一下。我在 Claude Code 里分别接了 Step 5 Preview 和 DeepSeek V4 Pro，从同一个提交开始、各开各的会话，先让它们读一遍代码，聊聊还能加点什么。

Step 5 Preview 这一边我就随口问它：

之前我开发的开源项目 lessmouse，帮我想一下，还有什么好玩有用的功能可以扩展，实用为主

读完代码，它给我交了一份挺像样的规划，按性价比分了层，一口气列了 9 条，每条都标了改动有多大、对隐私有没有影响：

第 9 条「鼠标账本」它还打了个星，说这是「唯一能让 LessMouse 这个名字名副其实的功能」，建议单独拎出来当 v2 的头条。

它也没把话说满，自己指出鼠标事件的监听还得上真机验证，这是它唯一没把握的地方。

DeepSeek V4 Pro 也想到了这一点，把「真正统计鼠标」放进了 A 档：

最后，需求落在了一个很具体的场景上：

很多人每天都拿鼠标去点菜单栏里的命令，可这些命令旁边，明明就印着快捷键。

LessMouse 得能注意到这件事，在合适的时候把快捷键教给他；等他真开始按了，也得能注意到。

藏在需求里的坑

03

这事听上去不难，可既然要拿来当考题，出题的人总得先知道答案在哪。于是我自己先把技术路线摸了个底，然后发现坑还真不少：

•  用鼠标点菜单时，macOS 那个「菜单项被选中」的通知根本不会发出来，只有按快捷键时才会 

• ⌘S、⌘2 这类最常用的字符快捷键，菜单里并不带键码（15 个 app、712 个菜单项，一个都没有），只能按当前的键盘布局自己反查 

• ? : + 这类符号，菜单上写的是 ⌘?，可实际要按的是 ⇧⌘/

•  被观察的 app 一旦卡死，去读它的菜单，会把自己也一起卡住 

但正好我只让两个模型写下了目标和约束：

要对所有 app 都有效，不能靠手写规则清单；菜单里的文件名、网页标题都算用户数据；不想用这个功能的人不能被打扰；不能变慢，不加网络代码和第三方依赖，中英文都要有。

那么实现过程中，能不能自己发现这些坑，就很值得关注了。

验收上我是用 Opus 5.5 来做的（裁判不能是运动员！），一共分了三层：37 个自动化用例、21 项真机验收（发真实的鼠标事件去点 Finder、Chrome、VS Code），外加 11 项代码审查，最后按 7 个维度折算成 100 分：

隐私部分我设成了一票否决：只要有一条网页标题或者文件名被写进磁盘，总分直接封顶 40 分。

第一轮：踩了同一个坑

04

第一轮我就把那份只写了目标的需求丢过去，然后撒手不管，看它们各自能做成什么样。

Step 5 Preview 交活的时候测试全绿，还附了一大段说明，把怎么实现的、权限怎么拆、为什么不会拖慢键盘那边都讲清楚了：

好在最重要的一步它走对了：去监听鼠标点击，再用辅助功能 API 看光标下面是哪个菜单项。

前面说的，通知就是个大坑，要是走了那条路，后面写得再漂亮，也一次鼠标点击都收不到……

隐私上它则干脆从结构上就不去读菜单标题，只读位置、尺寸和快捷键，文件名、网页标题压根到不了它手里，自然也就落不了盘。测试也新增了 33 个。

DeepSeek V4 Pro 也很有共识地选了这条路，另外它还特意提醒我，真正的命中测试 CI 里跑不了，得上真机再测：

结果第一轮，两边在同一个地方摔了跤……

都只读了菜单项的键码。

而字符快捷键压根就不带键码，于是 ⌘2、⇧⌘B、⌘S 这些最常用的快捷键全都识别不出来，只有 ⌘↑ 这类带特殊符号的才行。

两边的差别在一个细节上：菜单读取放在哪个线程。Step 5 Preview 第一版放在了主线程，DeepSeek V4 Pro 放在了后台队列；其余几项基本持平，真机功能上 Step 5 Preview 还略高一点（9 比 7.5）。

第一轮基本打成平手。

第二轮：按反馈修

05

我把真机上测出来的问题整理成一份反馈，让它们各自去修。

第二轮，Step 5 Preview 的表现则有些超出我的意外。

字符快捷键按当前键盘布局反查物理键。 并不是写死一张美式键盘的对照表，用 Dvorak、Colemak 的人也对得上。

? : + 会自动补上 ⇧。菜单上写着 ⌘?，它知道你实际要按的是 ⇧⌘/；按不出来的 fn 快捷键，它直接判定为不教，不会教你一个根本按不出来的键。

卡死问题解决了。读菜单加了 0.25 秒超时，同样冻住 TextEdit 去点它的菜单，每次 0.26 秒就返回（第一版是 1.5 秒），主线程一点不卡。

顺带，它还把我原项目里一个监听错了通知中心的老 bug 也给修了（这个是我在反馈里提了一嘴的）。

这里面有好几处，也都超出了我事先准备的参考方案。

自测方面，它做得也非常全面。直接在我电脑上用真实鼠标点了 6 次「显示 › 列表视图」，等卡片出来再按 ⌘2，然后又连按了 20 次，确认卡片不会消失。

两版我都装到了自己电脑上。Step 5 Preview：

DeepSeek V4 Pro 的：

Step 5 Preview 的卡片，在建议列表里就直接写着「今天你用鼠标点了 3 次 ⇧⌘P」，看一眼就知道该按什么；DeepSeek 的卡片只写了「你总在用鼠标点的那个菜单命令」，要点进去才能看到是哪个快捷键。

首页上，Step 5 Preview 还多了一行「菜单命令」，把今天用鼠标点了几次菜单和键盘的统计摆在了一起，LessMouse 这个名字，总算有了点「鼠标」的样子！

装到电脑上试用的时候，我也碰到了几处小问题，都已经算进扣分里了。

DeepSeek V4 Pro 第二轮也补得有模有样，Finder 里的识别率从 12/92 涨到了 89/92。只是它的字符反查写死了美式键盘，? : + 这几个也还认不出来，这点它自己在说明里也交代了。

两轮下来，Step 5 Preview 以 84.25 比 83.5 领先：

Step 5 Preview 更愿意深挖，连没有权限的时候，都想到了去读自己进程里的菜单来做验证；DeepSeek 则偏稳妥保守，功能默认关着，AX 调用从一开始就不在主线程上。

最后，加个动效

06

功能都跑通了，可我自己用了一阵，总觉得好像还少点什么。

然后我发现是在新卡片出来的时候，只有菜单栏图标上多一个小绿点，不点开根本不知道它要表达什么。

其实这一点，Step 5 Preview 在最开始做需求分析时其实就点过，说用户根本不会去看这个小绿点。（被它说中了）

于是在 Step 5 Preview 这一版的基础上，我又让它加了个提醒动效。

有新建议时，菜单栏图标下方会落下一张小卡片，卡片上的图标泛起两圈涟漪，把快捷键直接摆在你眼前；等你真按下了，再弹出一个带光圈和小火花的对勾，告诉你已经学会了。卡片不会抢占焦点，出现一下后就会自己收起，点一下还能直接打开主面板。

最终效果是这样的，前半段是这次新加的鼠标点菜单，后半段是 LessMouse 原来就有的键盘习惯：

从提醒到学会，整个过程不用打开任何面板，这才是我当初想要的样子。

视频制作 skill

07

LessMouse 弄完，我又拿它试了试我最近在打磨的一套视频制作 skill。

还是 Claude Code，还是 Step 5 Preview，第一句是让它装技能：

我在 ~/workspace/mp-skills 下放了视频制作相关的技能，拷贝安装到当前目录下

8 个视频相关的 skill，它一口气都拷了过去。装完还给我挑出个毛病：video-subtitle 里写的 name 和目录名不一致，不改的话，大概率是加载不上的。

它自己完成了依赖安装，然后单独建了个 venv。过程中它发现技能脚本里写死了 python3、不认 venv，就把这个坑记进了环境说明里。API key 和音效素材库它自己拿不到，便停下来告诉我该怎么配：

环境配好之后，我跟它说了句：

现在，去 AGIHunt 找一个近期的热点选题，生成一个视频

它先跑了一遍选题，从这周的热点里挑出了 Anthropic 那份 Claude 异常行为的报告。报告里有个离谱的案例是讲 AI 冒充目击者，往费城警方的凶案线索热线报了个假案，72 天都没人发现。

选题定下来之后，它先去 Anthropic 官网把报告原文下载了下来进行核对。发现路透社的转述里有三个日期跟原报告对不上后，它用了是原报告里的日期。

第一版做好后，我发现里面讲到线索表单的地方是它自己画的示意图（居然还标了「示意图」）。

我觉得不够直观用原图更好，便问它：这个表单现在还能打开吗？

它去实测了一下，表单还在，而且姓名、电话、邮箱到今天都还标着 Optional：

于是我让它自己操作浏览器，去截真实的网页表单。

它截了三张图，用的还是 7 月 12 日的 Wayback 存档，比那条假线索的提交时间早 6 天，理由是存档带日期、可以查证，视频里的说法才经得起核对：

然后重新渲染，逐帧检查了一遍，11.5 秒处有两道红线标在「无需提供姓名或联系方式」那一句上，37 秒处则有三个红圈，分别圈出了姓名、电话、邮箱这三个空着的 Optional 行。

成片如下：

从选题、核原文到换真实截图，整个流程全是它自己完成的。

抢滩登陆

08

抢滩登陆是我经常用来测试的题，，K3、GLM-5.3、Fable 5、Sol 等模型都测试过。

这次的 Step 5 Preview 先交了份方案草稿：Three.js + Vite + TS，美术全靠程序生成，四把二战武器（M1 Garand、Thompson、M1919，还有巴祖卡），五种敌人，外加一条随波次逐步上升的难度曲线。

搞笑且认真的是，它说无头 Chrome 的软件渲染只够拿来截图，帧率得去真的 Chrome 里测：

我不会用无头数据糊弄帧数

然后它又叫了个子 Agent 来审自己的方案。审完，它照着评审意见，推翻了自己原先的两个决定：不做双相机的武器视模型，也不用 shadowMap，换成假的接触阴影；伤害数字和布娃娃物理也一并砍了，理由是二三十米开外根本看不清。

后面的开发，8 个里程碑全部交付，验收 111 项全绿。中间它在写验收脚本的时候，自己找出了 4 个真 bug，比如波次永远卡在第一波，打到第三波子弹补给跟不上、直接卡死……这种都不报错，只是数字不对，其实挺难发现的。

上手玩起来后，我最喜欢的是声音和手感。空枪有空枪的声音，打头、打身子、打四肢的反馈都不一样（伤害倍率分别是 345%、115%、69%），沙滩上还有一层层的海浪，人也可以左右移动着躲子弹。

和 K3、GLM-5.3 的两个版相比，并不落下风。

截图复刻 CRM

09

最后一个 case，我换到了 WorkBuddy 上。WorkBuddy 刚上线了 Step 5 Preview，且限免两周，那就毫无压力薅一下。

题目是用一张 Sales CRM 仪表盘的截图，照着 1:1 复刻成 React 网页。

我给它的指令是：

根据截图，生成一个 react 静态网页，1:1 复刻其设计

这一次，它一大半功夫都花在了「量」上。它拿 PIL 和 numpy 把截图一列一列地采样，配色挨个测（每行那 15 根红绿渐变的小柱子也没放过），字号是用文字高度倒推出来的，那 15 个头像则干脆直接从截图里抠。

侧边栏整体低了 2px、DOM 和截图对不上 52px，这种问题它也一处一处地找出来对齐了（这份耐心，我自己是真没有……）

这是 Step 5 Preview 交的活，左边是它在 WorkBuddy 里的交付总结，右边是跑起来的页面：

DeepSeek V4.1 Flash 我也让它做了一版：

两边都是一次就生成了能直接跑起来的 React 项目，但细看标签、小柱状图这些组件的质感，Step 5 Preview 更贴近原图。

使用体感

10

怎么说呢，这几天用下来，Step 5 Preview 给我的感觉是这两个字：仔细。

按键盘布局反查物理键、截图非要用带日期的存档、复刻页面一个像素一个像素地量……好几处它都做得比我预想的要细很多。

它很像一位细心的朋友，会仔细倾听你给的反馈，第二轮给一份问题清单，几处关键问题一次就修到位了（有点像之前细心的 Codex）。

不过，Step 5 Preview 最近好像真是略有些火爆了，且目前正是 WorkBuddy 两周的限免期，所以速度上有些不够快，有时会碰到排队的情况。

希望能再提提速，那就更好了。

◇ ◆ ◇

跳转微信打开