Step 5 vs Kimi K3, GLM-5.3, Qwen y DeepSeek: comparativa con datos

👁 121 lecturas

El nuevo Step 5 Preview de StepFun entra en un grupo donde ya compiten Kimi K3, GLM-5.3, Qwen3.8 y DeepSeek V4.1. En el índice independiente de Artificial Analysis empata con Kimi K3 (44 puntos) y se sitúa a solo un punto de GLM-5.3, costando menos que ambos. Sin embargo, en nuestro banco de pruebas lingüísticas (probado en polaco) obtuvo el resultado más flojo del quinteto junto a GLM. A continuación tienes la comparativa basada exclusivamente en cifras verificadas: índices, precios, ventana de contexto, licencias y nuestras mediciones.

Tabla comparativa de modelos

Fuente de índices, tarifas, contexto y parámetros: perfiles de modelos en Artificial Analysis, consulta del 9 de octubre de 2026. Los precios corresponden a las tarifas de referencia oficiales; en OpenRouter pueden variar según el proveedor.

Rendimiento e inteligencia: empate en la cabeza

La distancia de un solo punto entre GLM-5.3, Qwen3.8 Max, Step 5 y Kimi K3 supone en la práctica un empate técnico. Lo verdaderamente llamativo es otra cosa: Step 5 llega a ese nivel con solo 27.000 millones de parámetros activos, mientras que Kimi K3 necesita activar 104.000 millones. Esto influye directamente en el precio. En el gráfico que acompañaba al anuncio, StepFun refleja un coste por tarea un 65% más bajo que el de GLM-5.3 y Kimi K3 en su configuración máxima.

En los datos declarados por el fabricante (extraídos de coberturas de prensa y no del portal oficial de StepFun), Step 5 encabeza las pruebas de código: DeepSWE 67,7 frente a 67,5 de Kimi K3 y 66,9 de GLM-5.3; ProgramBench 80,5 frente a 77,8 y 72,0. En cambio, en Terminal-Bench v4 cae con claridad ante GLM-5.3 (33,3 frente a 41,9), aunque supera holgadamente a Kimi K3 (12,6). Qwen y DeepSeek no están incluidos en esa comparativa interna.

Precios de API: cuál rinde más por cada dólar

Fijarse solo en la tarifa por token induce a error. Step 5 ofrece una salida barata en catálogo, pero su proceso de razonamiento es tan extenso que en las tareas de redacción resultó seis veces más caro que GLM-5.3. Si consideramos el test completo (sumando reintentos por respuestas vacías), el coste se disparó diez veces: 0,31 frente a 0,03 USD. Artificial Analysis detecta exactamente este comportamiento: en su batería de pruebas, Step 5 generó 160 millones de tokens frente a una mediana habitual de 94 millones. Si vas a procesar flujos de trabajo con agentes y contextos amplios, haz números con tus propios datos y no te fíes solo del listado de precios.

Prueba de laboratorio: Kimi K3 marca distancias con Step 5

Para comprobar la solidez de los modelos fuera del inglés, los pusimos a prueba en polaco con las mismas 13 tareas (9 textos, 2 correcciones de estilo y 2 pruebas tipo test), aplicando un esfuerzo de razonamiento bajo (low) e idénticos límites de tokens. Step 5, Qwen3.8 Max y GLM-5.3 se evaluaron en un mismo bloque el 9 de octubre; Kimi K3 y DeepSeek proceden de una tanda anterior con otros jueces de referencia. La escala se calibra con modelos ancla constantes, pero consideramos empate las variaciones de hasta 2 o 3 puntos.

El tropiezo de Step 5 se debió principalmente a tres respuestas en blanco: en la descripción de un producto y en ambas correcciones agotó todo el cupo de tokens pensando antes de escribir nada. En las pruebas donde sí entregó texto, rindió bien en formatos cortos (un correo profesional con 8,5/10), pero bajó el nivel en tareas extensas (un relato de ficción con 5,0). Puedes consultar el desglose completo en nuestro análisis detallado de Step 5 sobre 13 tareas.

Licencias y ejecución en servidores propios

• DeepSeek V4.1 Flash y V4 Pro: distribuidos con licencia MIT, la alternativa con menos fricción legal para cualquier proyecto.
• Qwen3.8 27B: licencia Apache 2.0 y unas dimensiones contenidas que caben cuantizadas a 4 bits en una GPU con 24 GB de VRAM. La variante Qwen3.8 Max es propietaria y cerrada.
• Kimi K3 y GLM-5.3: ofrecen pesos descargables, pero sujetos a licencias propietarias con limitaciones comerciales.
• Step 5: publicación de pesos anunciada para el 15 de octubre, todavía sin licencia especificada. Al contar con 600.000 millones de parámetros requerirá unos 1,2 TB en BF16, lo que exige infraestructura de centros de datos.

Qué modelo conviene utilizar

• Para redacción y corrección lingüística avanzada: Kimi K3 o Qwen3.8 Max. Si buscas la opción económica, DeepSeek V4.1 Flash.
• Para desarrollo de software vía API optimizando presupuesto: Step 5 Preview o GLM-5.3. Step 5 logra mejores puntuaciones internas en DeepSWE y ProgramBench; GLM responde mejor gestionando tareas en terminal.
• Para documentos masivos y vídeo de entrada: Step 5, ya que admite archivos de vídeo de hasta 128 MB y 1 millón de tokens de ventana con caché por 0,05 USD.
• Para desplegar en tu propio hardware sin trabas de licencia: DeepSeek (MIT) o la variante compacta de Qwen (Apache 2.0). Si te interesa Step 5, conviene revisar las condiciones de su licencia a partir del 15 de octubre.

Este criterio resume las mediciones objetivas de Artificial Analysis y nuestras pruebas prácticas. Si quieres explorar cara a cara estos y otros motores, puedes probarlos en nuestra Arena de modelos de IA.

// sigue leyendoCuánto cuesta un artículo escrito por IA: DeepSeek vs ClaudeBenchmarksAnálisis de datos con Claude Opus 5.5: 43 de 44 afirmaciones correctasBenchmarksEmbeddings y bases de datos vectoriales: test de bge-m3Guías

Kinetyra