從 chatbot 到 Agent，大模型以「缸中之腦」為起點(diǎn)，正在悄然進(jìn)化出屬于自己的四肢百骸。

但在 Agent 應(yīng)用狂飆突進(jìn)的同時(shí)，各種安全事故也層出不窮。初具雛形的 Agent 應(yīng)用，正在急切呼喚一個(gè)更聰明、更可靠的「原生大腦」。

爆改基模結(jié)構(gòu)，開啟 AI 模型

「Agent 原生」時(shí)代

Agent 時(shí)代，由于外部工具和任務(wù)重試需求等因素的介入，令上下文長(zhǎng)度相比 coding、chatbot 等應(yīng)用場(chǎng)景，迎來了一輪暴漲。同時(shí)，用戶對(duì)即時(shí)性也有了更高的要求。相比 chatbot 時(shí)代，吐字比閱讀速度快的基本訴求，等待 Agent 工具交付結(jié)果的時(shí)間，必須被進(jìn)一步壓縮。

所以，上一個(gè)時(shí)代的 Reasoning 模型，已經(jīng)不能再適應(yīng)本世代的需求。一個(gè)好的 Agent 原生模型，在推理成本、速度和智能水平三個(gè)層面，都必須再次迎來進(jìn)化。

基于此，階躍星辰新上線的 Step 3.5 Flash，可謂「多快好省」：

為了滿足 Agent 時(shí)代的訴求，Step 3.5 Flash 從基礎(chǔ)模型層面，就采用了十分獨(dú)特的結(jié)構(gòu)設(shè)計(jì)。作為一款旗艦級(jí)語言推理模型，它并未盲目追逐模型尺寸，而是選擇了稀疏混合專家（MoE）架構(gòu)?？倕?shù)量為 1960 億，每次推理僅激活約 110 億參數(shù)。

同時(shí)，Step 3.5 Flash，將傳統(tǒng)的 Linear Attention（線性注意力機(jī)制），打散為滑動(dòng)窗口注意力（SWA）+ 全局注意力（Full Attention）3:1 的混合架構(gòu)。如果要找個(gè)比喻的話，這種結(jié)構(gòu)，十分接近推理小說的閱讀體驗(yàn)：大部分注意力依舊集中在當(dāng)前段落附近的文本，但當(dāng)一個(gè)伏筆回收時(shí)，幾章之前埋下的劇情鉤子，仍然能快速的浮現(xiàn)出來。

最后，在模型技術(shù)層面，Step 3.5 Flash 還使用了 MTP-3「多 token 并行預(yù)測(cè)」機(jī)制。

如果說傳統(tǒng)大模型，是一個(gè)詞接一個(gè)詞的“文字接龍”，那么 MTP-3，就像是先打草稿，再深入潤色。在 Transformer 主干之后，MTP-3 會(huì)附加一個(gè)專用的預(yù)測(cè)網(wǎng)絡(luò)層，讓模型根據(jù)當(dāng)前上下文同時(shí)推斷多個(gè)未來 token 的概率分布。這樣的設(shè)計(jì)，在保證因果一致性的前提下，實(shí)現(xiàn)了多 token 的并行推理。

架構(gòu)精巧，推理速度

可達(dá)每秒 350 個(gè) token

多方加持下，Step 3.5 Flash 擁有了高達(dá) 256K 的超長(zhǎng)上下文，和十分夸張的推理速度。在單請(qǐng)求代碼類任務(wù)上，Step 3.5 Flash 最高推理速度可達(dá)每秒 350 個(gè) token，確保了復(fù)雜 Agent 任務(wù)的低延遲響應(yīng)。

和它的名字一樣，「快」，是 Step 3.5 Flash 最顯著的特點(diǎn)。但速度不能以犧牲智力為代價(jià)。在推理速度狂飆突進(jìn)的同時(shí)，它的邏輯能力，同樣不容小覷。

在例行刷榜環(huán)節(jié)當(dāng)中，Step 3.5 Flash 拿下了 AIME 2025（美國數(shù)學(xué)邀請(qǐng)賽）97.3 分； IMOAnswerBench（國際奧林匹克數(shù)學(xué)基準(zhǔn)測(cè)試）85.4 分；HMMT 2025（哈佛 - 麻省理工數(shù)學(xué)競(jìng)賽） 96.2 分的好成績(jī)。

與國內(nèi)頂級(jí)開源模型相比，上述項(xiàng)目得分，Step 3.5 Flash 均為第一。

縮放定律似乎暗示我們，模型的能力，直接和尺寸掛鉤。但 Step 3.5 Flash 用事實(shí)證明，合適尺寸 + 充分的后訓(xùn)練，完全可以兼顧速度與效率，得到一個(gè)精致、且有強(qiáng)邏輯內(nèi)核的大模型。

拋棄「規(guī)模迷信」的背后，是階躍星辰對(duì)大模型的獨(dú)特理解：模型應(yīng)該凝縮「邏輯」，而非用超大規(guī)模，簡(jiǎn)單地對(duì)文本模式死記硬背。

「高智商」，才是硬道理

這種認(rèn)知的回報(bào)，在真實(shí)世界的任務(wù)當(dāng)中體現(xiàn)的尤為明顯：coding 榜單當(dāng)中，Step 3.5 Flash 拿下了 Terminal-Bench 2.0（終端任務(wù)自動(dòng)化），和 LiveCodeBench-V6（實(shí)時(shí)編碼調(diào)試）國內(nèi)開源第一的好成績(jī)，整體測(cè)試水平屬于全球第一梯隊(duì)。

Agent 相關(guān)的測(cè)試項(xiàng)目更是手到擒來：τ2-Bench（多步任務(wù)規(guī)劃）88.2 分 ；xbench-DeepSearch（深度搜索與信息整合）54 分，均為國內(nèi)開源模型第一。BrowseComp（網(wǎng)頁瀏覽與上下文管理） 69 分，實(shí)現(xiàn)了對(duì)海外御三家模型的成功反超。

更大的認(rèn)可，來自 AI 社群：在真實(shí)世界任務(wù)中，Step 3.5 Flash 以高達(dá) 167 Tokens/s 的推理速度，發(fā)布首日，即進(jìn)入全球知名 AI 模型聚合平臺(tái) OpenRouter “Fastest Models”速度榜前列。

發(fā)布 2 天，登頂 OpenRouter 全球趨勢(shì)榜（Trending）榜單。

作為匯聚了 OpenAI、Anthropic、Google 等主流模型的 API 平臺(tái)，OpenRouter 的全球趨勢(shì)榜單，實(shí)時(shí)反映著開發(fā)者在實(shí)際應(yīng)用中的模型偏好與付費(fèi)選擇。此次登頂，意味著 Step 3.5 Flash 在真實(shí)任務(wù)當(dāng)中的表現(xiàn)，已收獲了全球 AI 開發(fā)者的積極認(rèn)可。

Reddit、X 等平臺(tái)上也有不少用戶，對(duì) Step 3.5 Flash 的表現(xiàn)給出了很高的評(píng)價(jià)：多語言混用時(shí)切換自然，很少出現(xiàn)同尺寸模型身上常見的「夾雜」情況；行事穩(wěn)定可靠，幻覺率極低，且對(duì)自身的能力邊界有著清晰的認(rèn)知，不會(huì)為了強(qiáng)行接話而編造答案。

而這一切，都發(fā)生在一臺(tái) 128G 內(nèi)存、M3 Max 芯片的 mac 電腦上。

本地 Agent，從此平權(quán)

據(jù)社區(qū)反饋，借助 llama.cpp，Step 3.5 Flash 在 mac 平臺(tái)上的推理速度極佳。平均速度 35 tokens/ 秒，約為該平臺(tái)理論最大效率的 70%。

某種程度上，這是階躍星辰 CTO 朱亦博「私心」的結(jié)果：他希望這個(gè)模型，能支持 4-bit 量化后，運(yùn)行在 128GB 內(nèi)存的 MacBook 上。

但 Step 3.5 Flash 最終發(fā)布時(shí)的支持范圍遠(yuǎn)不止于此：云服務(wù)層面，包括華為昇騰、沐曦股份、壁仞科技、燧原科技、天數(shù)智芯、阿里平頭哥等在內(nèi)的多家芯片廠商，均已率先完成了對(duì) Step 3.5 Flash 的適配工作。同時(shí)，經(jīng)過 4-bit 量化以后，Step 3.5 Flash 也支持在 NVIDIA DGX Spark、Apple M3/M4 Max 以及 AMD AI Max+ 395 等主流個(gè)人 AI 終端上，進(jìn)行本地部署——同時(shí)依然保持著 256K context 的超長(zhǎng)上下文能力。

朱亦博在博客文章里不無自豪地表示，這是你在 128GB 內(nèi)存的 Macbook 和 DGX Spark 上，用 4-bit 暢快跑 256K context 的最強(qiáng)模型，沒有之一。

AI 模型的又一個(gè)「中國時(shí)刻」？

在過去的一年中，來自中國的開源模型，用更低的獲取門檻、推理成本和打平的性能，一舉擊碎了“超大規(guī)模 + 閉源 = 先進(jìn)”的行業(yè)迷信，無數(shù) AI 應(yīng)用因此涌現(xiàn)，也將大模型競(jìng)爭(zhēng)，重新拉回了效率與架構(gòu)創(chuàng)新的主航道。

現(xiàn)在，國內(nèi)幾家 AI 公司動(dòng)作頻頻、傳聞不斷，今年大模型領(lǐng)域的「春節(jié)檔」，注定熱鬧非常。而最近發(fā)布的 Step 3.5 Flash，或許正悄然復(fù)刻又一個(gè) AI 領(lǐng)域的「中國時(shí)刻」——高性能、低門檻、新范式。只是這一次，范式轉(zhuǎn)移的焦點(diǎn)，從“推理模型”轉(zhuǎn)向了更具顛覆性的“Agent 原生（開源）基座模型”。

當(dāng)行業(yè)還在用稠密模型硬扛 Agent 場(chǎng)景時(shí)，它用 1960 億總參數(shù)、僅 110 億激活參數(shù)的精巧架構(gòu)，同時(shí)解決了 Agent 時(shí)代的三大死結(jié)——超長(zhǎng)上下文下的低延遲響應(yīng)、復(fù)雜任務(wù)中的高幻覺風(fēng)險(xiǎn)、以及終端設(shè)備上的本地化部署。

當(dāng)海外巨頭將 Agent 能力鎖死在云端 API 時(shí)，Step 3.5 Flash，讓 256K 上下文的 Agent 大腦，跑在 128GB 內(nèi)存的 MacBook 上——這是對(duì) AI 權(quán)力結(jié)構(gòu)的重構(gòu)：Agent 的智能不應(yīng)被云廠商壟斷，開發(fā)者理應(yīng)擁有在終端側(cè)構(gòu)建私有化 Agent 工作流的自由。

這種“終端平權(quán)”邏輯，恰是此前中國 AI 大模型引領(lǐng)的范式轉(zhuǎn)移，在新環(huán)境下進(jìn)一步的延續(xù)與深化：從模型獲取的平權(quán)，進(jìn)階到 Agent 能力的平權(quán)。

歷史從不重復(fù)，但常常押韻。如果說之前的國產(chǎn)大模型，打破的是“對(duì)規(guī)模和閉源的迷信”，那么 Step 3.5 Flash 正在擊碎的，就是“速度與智能不可兼得”的新迷信。當(dāng)行業(yè)還在用“參數(shù)量”“榜單分?jǐn)?shù)”這類舊范式衡量模型價(jià)值時(shí)，Step 3.5 Flash 已用 OpenRouter 趨勢(shì)榜登頂、Reddit 開發(fā)者自發(fā)安利、多芯片廠商 Day 0 適配的事實(shí)證明：真正的范式轉(zhuǎn)移，永遠(yuǎn)始于真實(shí)世界中，解決真實(shí)訴求的能力。

我們或許正站在 Agent 時(shí)代的分水嶺上：過去一年，市場(chǎng)狂熱追逐 Agent 應(yīng)用層的“四肢百骸”，卻忽略了為其注入靈魂的“原生大腦”。而 Step 3.5 Flash 的此時(shí)此刻，又恰似 2025 年春節(jié)的彼時(shí)彼刻——盡管暫時(shí)被 Agent 應(yīng)用的喧囂浪潮所掩蓋，但歷史終將被證明，在 Agent 時(shí)代，是階躍星辰，完成了一次基礎(chǔ)設(shè)施層，最關(guān)鍵的范式躍遷。

會(huì)議推薦

InfoQ 2026 全年會(huì)議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實(shí)生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點(diǎn)，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實(shí)戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實(shí)現(xiàn)技術(shù)價(jià)值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，搶占 2026 智能升級(jí)發(fā)展先機(jī)！

今日薦文

你也「在看」嗎？