阶跃星辰开源Step Code，自测称性能追平DeepSeek Harness
阶跃星辰以MIT许可证开源AI编程工具Step Code v0.1.0；其自测称工具在两项基准中兼顾通过率和较低token消耗，但未披露底层模型。
快讯正文
阶跃星辰开源Step Code：自测追平DeepSeek Harness，token更省
动察 Beating AI 快讯，阶跃星辰开源 AI 编程工具 Step Code v0.1.0，采用 MIT 许可证。它直接跑在终端里，可以读写代码、跑测试和执行开发任务，还支持 MCP、Agent Skills 和 Claude Code 插件。内置的 StepPage 可以一条命令把本地静态网站发布到线上。
Step Code 主打少用 token。在阶跃自己的 Terminal-Bench 2.1 横评中，它完成 72/89 个任务，得分 80.9%，与图中的 DeepSeek Harness 并列最高，但 token 用量更低。阶跃自建的 Multi-Frame 长任务测试共有 150 道题，Step Code 完成 110 道，得分 73.3%，平均每题消耗 509 万 token，在对比的 6 款 harness 中同时拿到最高通过率和最低 token 用量。
不过阶跃没有公布这轮横评具体用了哪个底层模型，也没有拆解这些 token 是怎么省下来的。官方只提到 Step Code 与 Step 系列模型一起针对 token 消耗做过调优。从源码看，它在整个 harness 里都比较「抠 token」：文件读取和命令输出会主动限长，搜索尽量只返回需要的部分，长对话默认会压缩上下文，system prompt 也要求能直接调用工具就不要额外开 Agent。它甚至还有一套更激进的上下文裁剪机制，可以删掉历史工具输出、重复结果和旧的思考过程，不过这项默认关闭。
原文链接 https://m.theblockbeats.info/flash/368553
补充解读
开源发布、版本号和MIT许可证等信息表述具体，且源码机制具有一定可核查性；但性能和token效率数据来自厂商自测，底层模型、完整测试配置及节省来源未披露，横向结论需独立复现。该事件对AI编程工具生态有一定意义，但与当前重点观察资产缺少直接关联。
关注后续官方信息，不根据单一消息做决定。
阶跃星辰是否公布底层模型、完整测试配置及原始结果
第三方能否复现Terminal-Bench 2.1与Multi-Frame成绩
Step Code后续版本、开发者采用情况及安全审计结果
同事件进展
正在加载事件时间线…