Step Code'u açık kaynak olarak yayınladı: Kendi testlerinde DeepSeek Harness'e yetişti, daha az token harcıyor

动察 Beating AI hızlı haber: Jieyue Xingchen, MIT lisansıyla açık kaynaklı AI programlama aracı Step Code v0.1.0'ı yayınladı. Doğrudan terminalde çalışıyor; kod okuyup yazabiliyor, test çalıştırabiliyor ve geliştirme görevlerini yerine getirebiliyor. Ayrıca MCP, Agent Skills ve Claude Code eklentilerini destekliyor. Dahili StepPage, tek bir komutla yerel statik web sitesini çevrimiçi olarak yayınlayabiliyor.

Step Code, daha az token kullanmaya odaklanıyor. Jieyue'nin kendi Terminal-Bench 2.1 karşılaştırmasında 89 görevden 72'sini tamamlayarak %80,9 puan aldı ve DeepSeek Harness ile en yüksek puanı paylaştı, ancak token kullanımı daha düşüktü.

Jieyue'nin kendi oluşturduğu Multi-Frame uzun görev testinde toplam 150 soru bulunuyor. Step Code 110 soruyu tamamlayarak %73,3 puan aldı ve soru başına ortalama 5,09 milyon token tüketti. Karşılaştırılan 6 harness arasında hem en yüksek geçme oranını hem de en düşük token kullanımını elde etti.

Ancak Jieyue bu karşılaştırmada hangi temel modelin kullanıldığını açıklamadı ve bu tokenların nasıl tasarruf edildiğini de ayrıntılandırmadı. Resmi açıklamada yalnızca Step Code'un Step serisi modellerle birlikte token tüketimi için optimize edildiği belirtildi.

Kaynak kodda da birçok "kısıtlama" tasarımı görülebiliyor: dosya okuma ve komut çıktıları uzunlukla sınırlandırılıyor, aramalarda dönen kapsam mümkün olduğunca daraltılıyor, uzun konuşmalarda varsayılan olarak bağlam sıkıştırılıyor ve system prompt da doğrudan araç çağrılabiliyorsa ekstra Agent açılmamasını istiyor.

Ayrıca daha agresif bir contextProjection sistemi var; eski araç çıktılarını, yinelenen sonuçları ve geçmiş reasoning'i kırpabiliyor, ancak varsayılan olarak kapalı.

Genel olarak bakıldığında token avantajı, model ve harness tarafındaki birçok optimizasyonun üst üste gelmesinden kaynaklanıyor.