阶跃新模型快到“没推理”！印奇上任，果然气势一新

闻乐 发自 凹非寺
量子位 | 公众号 QbitAI

春节档果然热闹！

印奇上任后，阶跃星辰也气势一新了。

正式发布新一代开源Agent基座模型Step 3.5 Flash，总参数196B，激活参数11B，支持256K上下文窗口。

生态层面，依旧走软硬结合的技术路线，优化模型本身的同时，兼容适配主流算力硬件。

目前，Step 3.5 Flash已经和昇腾、沐曦股份、壁仞科技、燧原科技、天数智芯、阿里平头哥多家芯片厂商完成适配，覆盖了当前主流的国产AI加速芯片平台。

官方数据称新模型的推理峰值达350TPS，在Agent场景和数学任务上媲美闭源模型，能胜任复杂、长链条任务。

被AI“秒回”了

先来看波成绩单。

官方公布了Step 3.5 Flash在推理、编码、智能体三大核心场景的基准测试对比图（阴影条表示使用并行思考增强的Step 3.5 Flash的性能）。

新模型在推理类测试排名均在前列，其中AIME 2025基准测试中得分97.3；

编码任务的SWE-bench Verified测试中达到74.4%，与国外闭源模型相比仍有小幅距离；

智能体任务的τ²-Bench测试中取得88.2的分数。

接下来实测走起！

• 请在不使用外部工具的情况下，依次计算并列出以下算式的结果：首项为80、公差为4的等差数列前30项和；1²+2²+…+10²的平方和；2!++4!+6!+8!+10!的和；√169+∛216+⁵√32的和。

好家伙，推理速度是“肉眼几乎不可见”的快，秒回的答案也准确。

看图计算也来试一试：

• （上传图片）计算

虽然答案没错，但尝试了国内外多个模型之后发现，只有Step 3.5 Flash没把答案合并同类项到最终形式……

接下来看编程场景，让Step 3.5 Flash开发一个模拟医疗资源监控系统。

• 开发一个医疗资源监控仪表盘，使用WebGL渲染3D院区场景。各科室、急诊、手术室设置发光点位，点击后放大区域并展示半透明数据层，包含床位、接诊量、设备利用率图表。数据通过WebSocket实时更新，网络异常使用缓存。

系统完成初始化加载后，左上角会实时展示当前运行状态，清晰标注系统的在线情况、最新数据更新时间和连接状态（模拟）。

右上角则还原了医院各类医疗设备的在线率、负载状态与运行情况，设备总揽面板非常直观。

界面核心区域作为主可视化大屏，集中呈现全院各科室的实时忙碌程度、医护资源利用趋势与业务流量变化。

同时对床位占用、关键设备运行状态进行全天候实时监控，一旦出现资源紧张或超负荷情况，会自动触发繁忙预警与高亮提示。

点击左侧导航栏中的不同科室选项，可以展开对应科室的详细运营数据与业务指标，界面会自动切换至专属科室视图。

当光标悬浮在科室床位分布的饼状图上时，还会实时弹出浮动提示框，清晰展示床位占用、空闲、预留等细分数据。

如果仔细观察背景的院区布局图层就会发现，每点击一个科室选项，场景都会自动平滑滑动，将镜头定位到对应科室的物理位置上。

再来一个飞行员气象仪表盘：

• 制作一个艺术化气象仪表盘，使用WebGL渲染3D真实地球。各国主要城市显示发光标记点，点击后镜头平滑放大到对应区域，并切换为半透明2D叠加层，展示该地区的详细气象图表。数据通过WebSocket实时流式传输，网络异常时自动降级使用缓存快照，保证界面稳定运行。

可视化交互的效果不错，但有个问题是这个模型不能直接预览或者给出预览网址，生成代码后还得手动粘贴保存文件才能查看。

除了推理和编程场景，端云协同也是Step 3.5 Flash重点打造的实用能力，核心思路是云端负责烧脑的规划与推理，端侧负责安全的数据读取与本地执行

在官方的电商比价演示中，面对用户“对比 Mac Mini M4 各平台价格”的需求，Step 3.5 Flash化身云端大脑，直接将复杂的比价任务，拆解为分别查询淘宝、京东、拼多多的独立小任务。

云端提前做好任务规划后，本地的Step-GUI就无需复杂思考，只需要专注完成数据抓取工作。

最后由云端统一汇总所有价格信息，快速比对后为用户生成清晰的购买参考。

△已加速

主打一个数据不出本地、隐私不上云。

模型架构

架构层面，Step 3.5 Flash采用的是MoE稀疏混合专家架构。

总参数量达到196B，但在实际推理过程中，每个Token仅激活约11B参数。在保证模型能力的同时，通过稀疏激活有效控制了计算与部署成本。

针对长上下文优化，模型使用3:1滑动窗口注意力与全注意力交错的方案，缓解了传统长文本模型的失忆问题。

此外，研发团队将SWA层的查询头数从64增加到96，在不扩大KV缓存占用的情况下增强了模型的表征能力。

为了确保数值稳定性，模型还集成了头向门控注意力，通过动态调节信息流向来维持推理过程的稳定性。

在推理效率上，Step 3.5 Flash采用了3路多Token 预测（MTP-3）技术，允许模型在主输出的同时并行预测未来的多个token，并通过并行验证机制在单次处理中校验多个token假设。

这种方式使其在NVIDIA Hopper GPU上的单流编程任务中，推理峰值达到350TPS。

为了强化模型推理与智能体执行能力，Step 3.5 Flash还搭载了自研的MIS‑PO强化学习框架。

用更严格的样本过滤机制替代了传统的重要性加权计算，有效减少了数据噪声与梯度方差，让模型在长序列任务上的优化更稳定；即便在大规模离线训练的环境中，依然能保持可靠的输出。

此外，据官方透露，Step 4也正在训练中。

参考链接：https://static.stepfun.com/blog/step-3.5-flash/

— 完 —