站长连夜实测 Step-5-Preview：高智商不等于不胡说

站长连夜实测 Step-5-Preview：高智商不等于不胡说

热度归热度，实测归实测。Step-5-Preview 这两天被各路评测者捧得很高，站长连夜上手测了一轮——结论先放这里：至少在金融分析这个行当里，它没有传说中那么好。

第一个问题：幻觉突出

现象：测试过程中，S5 会非常自然地"编造"不存在的东西——数据、事实、结论，语气笃定，形貌逼真，不懂行的人很难一眼识破。

为什么会这样：模型智商高，语言组织能力强，所以它的幻觉不是低端模型那种明显的胡言乱语，而是"高质量的幻觉"——错误被包裹在流畅、专业、看似严谨的论述里，更难被察觉。

后果是什么：金融分析对事实准确性的要求是刚性的。一个会自信地编造数据的模型，放进分析链路里就是定时炸弹——分析得越漂亮，错得越隐蔽。

第二个问题：纠正之后依然出问题

现象：不像低端模型那样一错到底，S5 在被指出错误后确实会改。但实测中发现，即便用 6.1 Sol 去纠正它，纠正之后仍会冒出新的问题，按下去葫芦起了瓢。

为什么会这样：纠正解决的是"这一处错"，而模型产生幻觉的倾向没有变。高智商模型的问题恰恰在于它的自由度太大，想法太多，你堵住一个出口，它从另一个口子又冒出来。

后果是什么：意味着它不能独立承担分析任务——必须搭配一个低幻觉的模型做纠正与把关，链路成本和复杂度都上去了。

站长的定位

综合实测，站长把 Step-5-Preview 和 DeepSeek V4.1 Flash、GLM-5.3 Flash 定义在同一个级别。这个定位不是贬低——这个级别在日常任务上完全够用——但如果要用于金融分析行业，我的结论是：不适合，至少不能裸用。必须由低幻觉模型来纠正和把关，否则幻觉问题会在金融场景里被放大成实打实的风险。

顺便多说一句：这个问题对所有"聪明"模型都成立。智商高并不代表它不胡思乱想。评测一个模型，不能只看它答得多漂亮，要把它放在你要用的那个行业里，看它错的时候错得有多隐蔽、纠正之后还冒不冒新错。

不管评测什么模型，一定要把它放在整体的应用角度上去分析去考量，这样得出来的反馈才是铁打的反馈。

本文为 TPEOL 站长的个人评测记录，仅代表站长本人的使用体验与个人看法。