0
就在昨天，阶跃星辰登顶了全球模型榜单——他们最新开源的 Agent 基座模型 Step 3.5 Flash，发布首日便登上全球模型平台OpenRouter 的 “最快模型榜”，而发布后仅用短短两天，就获得了OpenRouter“热度趋势榜”排名第一的好成绩，其数据是基于全球开发者与用户的实际模型调用量。也就是说，Step 3.5 Flash以硬实力赢得了用户的“用脚投票”。
（图为Step 3.5 Flash 登顶 OpenRouter 的Trending 榜单）
对阶跃来说，拿下榜单第一并不新鲜，而这个成绩有意思的地方在于，它点破了当前AI应用深化的一个普遍瓶颈：模型越来越“聪明”，能处理的任务越来越复杂，但用户和开发者在真实使用时，最直接的感官体验却是——“慢”。
这里的“慢”，不是指回答一句“你好”的速度，而是当用户任务变得复杂，任务链和工作流明显变长（比如分析整篇财报、编写复杂函数、或同时完成图文音视频多模态输出等等）时，AI的处理速度必然下降，用户的等待时间可能会被拖得很长。
漫长的等待——本身就严重限制了 AI 在实际工作流中的可用性；而如果等了半天，AI 拿出的结果还不能令人满意，用户的流失就已成定局。
而过去外界的一贯认知中，“快”=小参数模型的敏捷调用、输出；“慢”=更大参数量级的模型和细致的思考。此前，模型要的是“快”和“好”的平衡，而今天，阶跃的Step 3.5 Flash 却敢于对世界说：“我全都要！”
论速度，Step 3.5 Flash 有多快？
在复杂推理场景下，保证稳定性的同时，Step 3.5 Flash 在 NVDIA Hopper GPU 的最高推理速度可以达到每秒 350 个 Token，实现“点击即输出”的秒速体验。
榜单上，Step 3.5 Flash 以每秒 167 个 Token 的速度排名第九，但排在它前面的，多是在为专有硬件环境定制的模型和 8b-120b 规模不等的小型模型。
（图为 Step 3.5 Flash 在 OpenRouter 的 Fastest 榜位居前列）
而 Step 3.5 Flash 的参数量是 1960 亿，足以作为基座模型为 Agent 提供强劲的动力。
（Reddit平台用户评价：终于有东西能在我那只有120GB显存的破电脑上运行了）
跑分测试上，Step 3.5 Flash 一马当先，并且尤其擅长 Agent 场景和数学任务。在 τ²-Bench、BrowseComp 等测试，以及 LiveCodeBench V6 代码挑战和 AIME 2025 数学竞赛中，Step 3.5 Flash 都拿出了不错的成绩。
图注：Step 3.5 Flash 仅凭 11B 激活参数（总规模 196B MoE）便达到了顶尖级别的智能水平，足以媲美领先的闭源及开源模型（数据来源：阶跃星辰官方Tech Report）
实践上，Step 3.5 Flash 还在多步推理的结构化输出、复杂逻辑求解、后端自动化和长时间运行任务中，已经具备了企业级应用落地的能力。而针对高频工具调用和对行为可预测性有强要求的系统环境，Step 3.5 Flash 也能轻松驾驭。
“快”很容易，“强”也很容易。要理解 Step 3.5 Flash 为何能做到又快又强，首先要了解的，是它采用的“稀疏混合专家（MoE）架构”——这是一个在追求“超大模型”时代里，回归工程理性的设计。
传统的千亿参数大模型像一个“全能巨人”，处理任何问题，无论难易，都要动用全部脑力（激活所有参数）。
每一次都“全力出击”，这固然能保证能力，但计算成本极高的同时，也让推理缓慢、能耗巨大，算力的浪费也同样不可避免。
Step 3.5 Flash 的思路则不同。
作为一个总参数量1960亿的Agent 原生基座模型，它被精巧地组织成了许多个“专家小组”。当一个问题输入时，一个智能的路由机制会迅速判断：“这个问题主要由哪几个专家小组来处理最合适？”然后，只激活这些相关的“专家”——大约110亿参数——来工作。
（海外用户评价：它仅使用11b的活跃参数，所以运行速度极快。老实说，我对它毫无延迟的运行表现着迷。）
你可以把它想象成一个高度专业化的超级顾问团。接到一个金融分析任务，系统不会唤醒团里的医学专家或文学教授，而是精准地调度金融、数据分析、逻辑推理这几个小组来协同工作。
这种设计，既能让每次推理实际消耗的计算资源大幅减少，提升了计算速度，成本也随之下降；又能背靠“顾问团”1960 亿参数的“总知识库”，在需要处理复杂、跨界问题时，依然有能力调动不同领域的“专家”进行深度协作，让输出保质保量。
凭借着更聪明的调用，Step 3.5 Flash 采用的稀疏 MoE 架构，打破了“大模型”必须“力大砖飞”的固有印象，让 AI 的能力和速度，成为了可以兼得的“鱼与熊掌”。
光是有了更高效的架构还不够，Step 3.5 Flash 在具体工程实现上也做了不少优化，确保在真实场景中“跑”得流畅。
首先是处理长文本的“巧劲”。
人要学会快速浏览文本，就必须学会“一目十行”——AI 也一样，面对一个超长文本还要快速输出内容，就不能在生成新词时，每次都全文逐字阅读理解。这被称为“全注意力”机制，虽然输出效果更好，但 AI 的计算量会随着文本长度呈平方级增长，是导致处理长文本时速度剧降、延迟飙升的主要原因。
要一目十行，模型就必须采取滑动窗口注意力（Sliding-Window Attention, SWA）的机制。
所谓滑动窗口，是基于一个符合直觉的观察：在理解一个长句子或段落时，当前词的含义最受其“邻近”词汇的影响，而距离很远的词影响相对较小。在这种机制下，模型能更专注于一个窗口中临近词汇的内容，读的内容变少了，处理速度当然更快，成本也自然更低。
而 Step 3.5 Flash 则是博采众长，采用了 3：1 的滑动窗口与全局注意力混合架构（SWA + Full Attention），对 256K 上下文有着高效的处理能力。
不光“看”得快，Step 3.5 Flash 还“写”得快。
传统的模式，AI 生成 Token，要一个一个地“往外蹦”，在追求 AI 快交互的今天，这样的速度明显不够。
而 Step 3.5 Flash 采用了多 Token 预测（Multi-Token Prediction, MTP-3) 的技术，一次可以完成多个 Token 的预测，这相当于让 Token 的输出从“单车道”变成了“多车道”，直接让文本生成的吞吐效率翻了倍。
有了稀疏 MoE 架构，再整合了更先进的技术模式，给市场带来的震撼是直接的：AI在处理复杂、多步任务时的“迟滞感”正在被抹平。无论是代码生成、长文档分析还是需要多轮思考的规划任务，响应都变得更加即时和连贯。
Step 3.5 Flash 的出现，对于那些希望将 AI 深度集成到自动化工作流中的开发者而言，标志着一个实用的拐点——一个既聪明又敏捷的“AI 大脑”已经触手可及。
模型能力的升级，在今天似乎已经不是新鲜事——而 Step 3.5 Flash 的强势登场，却打破了过往的技术预设。
Step 3.5 Flash 所代表的，不仅仅是一个模型版本的迭代，更是一种技术路径的明确：通往更强大的人工智能的道路，不一定只靠无限制地堆叠参数，通过架构创新和工程优化，在效能与能力之间取得精妙平衡，同样是关键且务实的一步。
Step 3.5 Flash 登榜的胜利，不止是模型技术的胜利，更是模型工程的胜利，是阶跃星辰在追寻 AGI 的路上，迈出的坚实一步。
今天，Step 3.5 Flash 已在 OpenRouter、GitHub、阶跃 AI APP 和网页端等多端同步上线，面向开发者提供免费试用与快速部署支持。而同时，阶跃星辰也已启动了下一代 Step 4 的研发，并邀请全球开发者“深度参与共创”，让模型从工程中来，到工程中去，用最“落地”的方式做最“高级”的事情。
从 Step 3.5 Flash 开始，市场便能够看到一条通往 AGI 更清晰的路径——通过构建更快、更稳、更易获取的智能基座，降低每一个创新者构建高级AI应用的门槛。
当无数开发者可以基于这样的基座，在面对千行百业的具体问题时，都能创造出属于自己的智能体，并且以更便宜、更便捷的方式满足自己的实际需求，那时的我们距离AGI，或许可以又近了一点点。
雷峰网(公众号：雷峰网)
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
