階躍Step 3.5 Flash ：春節(jié) AI 混戰(zhàn)殺出的黑馬，正在 Agent 時代彎道超車

今年的 AI 圈，有點像 2008 年的智能手機市場，所有人都知道觸摸屏是未來，但廠商們都在做「帶觸摸屏的諾基亞」。

Agent 時代已經來了，這是共識。而怎么做一個好用的 Agent 模型？按照慣性思維，或許還是一樣，更多的參數，更深更廣的網絡結構，還有更大的數據集。

300B 不夠就 1T，1T 不夠就 10T。仿佛只要把模型做得足夠大，Agent 能力就會自然涌現，就像只要把諾基亞的屏幕做得足夠大，iPhone 就會自己出現一樣。

大參數模型確實帶來了更博學的知識面和更穩(wěn)健的底座，但這種一味在上一代模型上「優(yōu)化 」的方法，顯然不能讓我們手里的 Agent 更好用，Agent 時代需要 Agentic 的模型。

那有沒有一條更高效的、真正顛覆性思維的路線，不靠堆參數，靠架構優(yōu)化；不需要云端服務器獨占，本地也能跑；既是全能選手的同時，又有定向優(yōu)化。

▲模型參數規(guī)模與智能對比圖，Step 3.5 Flash 總參數在圖中最少，但智能得分排名第二

2 月 2 日，階躍星辰發(fā)布并開源了最新基座模型 Step 3.5 Flash，這是一個讓 Agent 更高效的底層支撐模型，采用稀疏 MoE 架構，總計 1960 億參數，但每個 token 僅激活約 110 億個參數。

這是大模型行業(yè)里一個十分反常識的數據，在一眾卷向萬億參數的競爭對手面前。似乎顯得有些「掉隊」。然而就是這個看似「掉隊」的選擇，可能藏著 Agent 時代最大的秘密。

L3 時代的模型，不能再沿著 L1 的梯子爬

如果這放在半年前，階躍星辰可能還在做著另一件事。

階躍星辰聯合創(chuàng)始人兼 CTO 朱亦博在最新的博客中提到，Step 2 模型時代，他們也曾是 Scaling Law（規(guī)模定律）的忠實信徒。和當時所有的模型廠商一樣，他們認真地爬著那座名為參數的梯子，設計了比 DeepSeek V3 還要大的參數量，甚至比對方早訓練了好幾個月。

結果是，雖然跑分一度輝煌，但在 DeepSeek R1 的推理范式面前，傳統的堆料邏輯還是遭遇了降維打擊。

原因很簡單，DeepSeek R1 是一個時代的跨越，從 L1 的 Chatbot 到 L2 的 Reasoner，繼續(xù)用 Chatbot 的思維去做推理模型，不一定會失敗，但注定要碰壁。

這不僅是階躍星辰的復盤，更是整個行業(yè)的縮影。痛定思痛后，他們發(fā)現了一個被忽略的真相：L1 時代的 Chatbot（聊天機器人）和 L3 時代的 Agent（智能體），需要的是兩種不同的模型。

▲OpenAI 的五級框架，從第一級的聊天機器人，到推理、智能體、創(chuàng)新者和第五級的組織體

按照 OpenAI 的五級架構，我們正在經歷從 L2 Reasoner（推理） 邁入 L3 Agent（智能體） 的跨越。

L1 Chatbot 時代：核心需求是對話流暢度，模型只要能快速響應、自然表達就夠了。我們需要的可能是一個會背百科全書的「文科生」，它足夠博學，能隨口復刻魯迅風。此時，每秒 20-30 個 token 的輸出速度，剛好適配人類的閱讀習慣 。

L2 Reasoner 時代：長思維鏈出現，我們需要模型展現完整的深度思考。看著長長的思考過程，我們覺得它聰明，甚至愿意為了更準確的結果等待數十秒 。

L3 Agent 時代：特征徹底變了。工作場景的上下文常駐 32K-128K 區(qū)間，我們不再逐字閱讀輸出，只盯著「什么時候能交付結果」。

在這種場景下，繼續(xù)沿用 L2 時代的重型參數模型，打個比方可以說是，帶著鰲太線的裝備去爬佘山「滬太線」，雖然儲備充足，但效率變低，且算力代價極其昂貴 。

Agent 在某種程度上，甚至可以說不再是給用戶看的，而是給任務用的。它需要長上下文的高效運行，能輕松處理幾十萬 token 的代碼庫；以及速度的提升，這能直接決定用戶體驗；而核心還是規(guī)劃和工具調用。

如果繼續(xù)用 L1 時代的重型模型去跑 L3 的任務，就像開著法拉利去送外賣——不僅貴，而且在擁堵的「長上下文」路況里，根本跑不起來。

這也解釋了為什么階躍敢于反其道而行，掏出 Step 3.5 Flash這個「新物種」，專注于「快」與「強邏輯」。這種取舍乍看之下與行業(yè)格格不入，卻有了更多的可能性。

天下武功，唯快不破：Agent 時代的「暴力美學」

Agent 時代，「快」不再是一種錦上添花，直接是模型生死線。

朱亦博指出了一個極易被忽視的細節(jié)，在 Chatbot 時代，模型輸出只要快過人類閱讀速度（20-30 tokens/s）就夠了，再快我們也讀不過來。但在 Agent 時代，這個標準完全失效。

為什么？因為用戶根本不想看過程。當 AI 幫我們寫代碼、查資料、訂機票時，我們不會盯著屏幕看它一個字一個字往外蹦，我們只想要結果。

在這個階段，速度不再是體驗，而是生產力本身，直接決定了任務交付的效率。

為了實現這種極致的「快」，階躍星辰在技術路線上做了一次豪賭。

▲Step 3.5 Flash 整體架構，Step 3.5 Flash 是一款采用稀疏混合專家（MoE）架構的大語言模型，其架構由模型-系統協同設計定義，并且將推理成本和速度作為核心架構約束。

在同行都在盲目跟風 Linear Attention（線性注意力機制）時，Step 3.5 Flash 堅持選擇了SWA（滑動窗口注意力）架構。這種混合注意力布局，一方面能更快的處理 Token 計算，另一方面也解決了長上下文處理的二次瓶頸。

簡單來說，它不是死記硬背 256K 的全文，而是像人類一樣，有重點、有節(jié)奏地分配注意力。這讓它在處理海量數據時，不僅不降智，還能大幅降低算力開銷。

看起來是一種「逆行」，其實正是 Agent 時代「以巧見大」的精算。因為在當前的硬件條件下，SWA 對投機采樣（Speculative Sampling）最為友好。這種技術上的取舍，直接將單請求代碼類任務的推理速度干到了最高350 tokens/s。

快如閃電的「瞬殺」，是直接將 AI 從「玩具」變成生產力工具的決定性瞬間。在 Step 3.5 Flash 發(fā)布首日，就登上 OpenRouter Fastest Models 榜單。

▲根據 OpenRouter 最新發(fā)布的 Fastest Models 排名顯示， Step 3.5 Flash 的生成速率達到 167 Tokens/s，位列全球最快模型之列。

拒絕「背題家」，高智商才是第一生產力

跑得快不能以「降智」為代價，衡量一個模型適不適合做 Agent，「高智商」也是必不可少。

無論是我們用戶還是大多數模型廠，普遍的共識都是：參數越大，能力越強。但 Step 3.5 Flash 在數學領域的屠榜表現，用合適尺寸 + 極致后訓練，也得到了不輸大參數模型的效果。

• AIME 2025（美國數學邀請賽）中，它拿下了97.3 分
• IMOAnswerBench（國際數學奧林匹克題基準）中斬獲85.4 分
• HMMT 2025（哈佛 - 麻省理工數學競賽）中更是飆到了96.2 分

這是什么概念？這些分數均為國內頂級開源模型第一。

如果開啟并行協同推理（PaCoRe）模式，它的得分甚至逼近滿分。這種「智商溢出」的現象背后，藏著一個極其隱晦但精準的行業(yè)真相：過去的模型像是個「背題家」，靠死記硬背海量數據來蒙混過關；而 Step 3.5 Flash 是個真正的「解題家」。

▲PaCoRe（Parallel Coordinated Reasoning）的推理流程。每一輪啟動廣泛的并行探索，將生成的軌跡壓縮成緊湊的信息，并將這些信息與問題一起傳遞，以協調下一輪。重復此過程 ? 次，可在遵守固定上下文限制的同時，實現數百萬標記的有效 TTC（測試時計算），最終壓縮的信息作為系統的答案。

在 Agent 的工作流中，這種能力是致命的。因為真實世界的任務充滿了未知，我們要的不是一個只會復讀知識點的鸚鵡，而是一個能看懂復雜指令、能拆解任務邏輯、能自我糾錯的「超級大腦」。

推理能力證明了智商在線，但 Agent 還需要干活靠譜。Step 3.5 Flash 在多個關鍵場景拿到了國內開源第一。

代碼能力：全球第一梯隊

• SWE-bench Verified: 74.4 分（真實開源項目的 bug 修復）
• Terminal-Bench 2.0: 51 分（國內開源第一，終端任務自動化）
• LiveCodeBench-V6: 86.4/88.9 分（國內開源第一，實時編碼調試）

Agent 核心能力：多項國內開源第一

• τ2-Bench: 88.2 分（國內開源第一，多步任務規(guī)劃）
• xbench-DeepSearch: 54 分（國內開源第一，深度搜索與信息整合）
• BrowseComp: 69 分（第一梯隊，網頁瀏覽與上下文管理）

數據再漂亮，也得經得起真實場景的檢驗。在下面這幾個典型場景中，Step 3.5 Flash 也驗證了「以巧見大，快如閃電」不是口號。

普遍常識里，用 Deep Research 寫分析報告，可能會覺得需要模型有引經據典的文采，但實際上還是依賴強大的邏輯推理和工具調用能力。

給它一個模糊的課題，比如「0-3 歲嬰幼兒科學教育」，它不會直接胡編亂造，而是像一個真正的人類研究員一樣，拆解任務、規(guī)劃路徑、聯網搜索、反思修正，然后交給我們一份內容翔實、新手父母都能看懂的萬字報告。

在 Scale AI 的 Research Rubrics 評測中，它的得分甚至壓過了 OpenAI 和 Gemini 的同類系統。這也進一步說明，它已經具備了獨立干活的「邏輯閉環(huán)」。

Step 3.5 Flash 同樣能接入 Claude Code 環(huán)境，當要模型擔任一名專業(yè)數據分析師，面對復雜的數據分析任務時，它不僅能自己寫代碼清洗數據、協助日常數據流程、對齊數據格式，還能直接產出工作流報告。

無論是做 Deep Research 還是 Vibe Coding 項目，這些要么在階躍的官網完成，要么就是調用 API 的方式，但 Step 3.5 Flash 的野心遠不止于從云端服務器拉取 AI 能力。

朱亦博透露，為了跑模型，他甚至自掏腰包買了一臺設備。現在，Step 3.5 Flash 是目前能用 4-bit 量化，在128GB 內存的 MacBook上流暢運行 256K 超長上下文的最強模型，沒有之一。

這句沒有之一，確實凸顯了技術人的倔強。或許，這也暗示了階躍星辰「AI + 終端」的終極圖謀：最強的大腦，不應該只活在昂貴的 H100 集群里，它應該活在你的電腦里，甚至未來的手機里。

當其他廠商還在卷融資、卷估值時，階躍星辰已經默默地把高性能 Agent 的成本門檻，再一次降低。這正印證了那句戰(zhàn)略預判：大模型競爭的「表演賽」已經結束，行業(yè)正式步入決定生死的「淘汰賽」。

春節(jié) AI 大戰(zhàn)里，又一匹攪動大模型格局的黑馬

在最近喧囂的 AI 發(fā)布混戰(zhàn)中，Step 3.5 Flash 這匹黑馬肯定其實有些被過于低估了，它不只是一個「高性價比」的模型，反而有點像一年前 DeepSeek 的突然出現，給 AI 行業(yè)趟出了一條新路：

在算力并不是無限的現實世界里，誰能用更精巧的架構、更少的資源解決更復雜的問題，誰才是真正的贏家。

那個靠堆參數就能騙到融資、靠刷榜單就能獲得掌聲的「草莽時代」已經一去不復返。接下來的戰(zhàn)爭，屬于那些不僅「腦子好使」，而且「手腳麻利」的物種。

這種對「小型化、高效率」的堅持，本質上源于階躍星辰對 AGI 使命的執(zhí)著。朱亦博曾感慨，堅持訓練基模的意義，除了商業(yè)優(yōu)勢，就是為了那份 「一直以來的 AGI 夢想」。

對階躍星辰來說，通往 AGI 的路徑不是靠賭一把大的，而是靠前瞻性的方法論，和對時代需求的精準判斷。正如階躍星辰新任董事長印奇在采訪中所談到的，「做好基模、探索整個智能的上限是階躍的使命。」

從 Step 1 到 Step 3.5，從多模態(tài)到語音，從云端到終端，AI 與物理空間的結合、與終端硬件的深度布局，都是階躍星辰走向最終 AGI 的必經之路。

當 AI 能力真正「飛入尋常百姓家」，技術競賽的終點也不再是算力軍備競賽，AI 開始更好地服務我們，每個人，中小企業(yè)、個人開發(fā)者、學生都能低成本，用得起頂級 Agent 能力，AGI 才不只是巨頭的游戲。

以巧見大，快如閃電。 這是 Step 3.5 Flash 給出的答案，也是階躍星辰對 AGI 使命的又一次靠近。

那些堅持夢想的人，終會走出自己的路。而這條路，已經越來越清晰。