Adakah berat terbuka dan bolehkah saya jalankan Step 3.5 Flash secara tempatan?

Ya, berat tersedia secara awam di Hugging Face di bawah stepfun-ai/Step-3.5-Flash. StepFun berkata ia berjalan pada perkakasan pengguna kelas tinggi seperti Mac Studio M4 Max, tetapi dengan 196B parameter keseluruhan anda memerlukan memori yang besar; periksa lesen sebelum penggunaan komersial.

Berapa kos Step 3.5 Flash dan berapa tetingkap konteksnya?

Melalui API ia berharga $0.10 per sejuta token input dan $0.30 per sejuta token output, dengan tetingkap konteks 262,144 token.

Bagaimana Step 3.5 Flash berbeza daripada DeepSeek V3.2 atau Kimi K2?

Step 3.5 Flash mengaktifkan hanya 11B parameter setiap token berbanding 37B untuk DeepSeek V3.2 dan 32B untuk Kimi K2, yang menurut StepFun bermaksud kos penyahkodan kira-kira 6 kali lebih rendah daripada DeepSeek V3.2 pada konteks 128K dengan perkakasan setara.

Step 3.5 Flash

4358°

#llm #stepfun #penalaran #pengaturcaraan #ejen #konteks panjang

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

StepFun | konteks 262,144 token | $0.10/M input, $0.30/M output. Step 3.5 Flash adalah model asas sumber terbuka paling berkemampuan dari StepFun. Dibina atas seni bina Mixture of Experts (MoE) jarang, ia memilih untuk mengaktifkan hanya 11B daripada 196B parameternya setiap token. Ia adalah model penalaran yang sangat cekap dari segi kelajuan walaupun pada konteks panjang.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Step 3.5 Flash adalah model penaakulan berat terbuka StepFun yang dibina pada seni bina MoE jarang 196B parameter yang mengaktifkan hanya 11B parameter setiap token. Kecekapan itu membolehkannya mengekalkan 100–300 token sesaat walaupun pada konteks panjang, menjadikannya sangat praktikal untuk kerja agen yang memerlukan penaakulan berbilang langkah yang pantas. Jika anda mahu penaakulan kelas termaju yang boleh dijalankan secara tempatan atau dipanggil dengan kos rendah melalui API, ini adalah salah satu pilihan yang lebih dipercayai dari makmal bukan Barat.

Dikenali untuk

74.4% pada SWE-bench Verified, antara skor pengkodan berat terbuka yang lebih kuat yang diterbitkan.
Kelajuan penjanaan 100–300 tok/s melalui Ramalan Multi-Token 3-arah.
Tetingkap konteks 256K dengan reka bentuk perhatian tetingkap gelongsor hibrid yang mengekalkan kos rendah.
Boleh dijalankan pada perkakasan pengguna kelas tinggi seperti Mac Studio M4 Max.
Berat terbuka tersedia di Hugging Face untuk penggunaan tempatan atau hos sendiri.

Berhati-hati dengan

196B parameter keseluruhan bermakna anda memerlukan perkakasan serius; GPU pengguna di bawah 24 GB VRAM akan menghadapi kesukaran.
StepFun adalah makmal kecil dan terma lesen perlu diperiksa sebelum sebarang penggunaan komersial.
Perbandingan penanda aras dalam kad model adalah laporan sendiri; penilaian pihak ketiga bebas adalah terhad.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Betulkan gelung agen yang gagal

Saya ada agen Python yang memanggil alat carian dalam gelung. Selepas 3 iterasi ia mula mengembalikan keputusan pendua dan akhirnya tergantung. Ini logik gelung: [tampal kod anda]. Kenal pasti punca utama, terangkan mengapa ia berlaku, dan tulis semula gelung untuk membetulkannya tanpa mengubah antara muka alat.

Rancang tugasan pengkodan berbilang langkah

Saya perlu memindahkan aplikasi Flask monolitik ke perkhidmatan FastAPI dengan titik akhir async, pangkalan data PostgreSQL melalui SQLAlchemy 2.0, dan barisan tugas latar belakang menggunakan ARQ. Pecahkan ini kepada pelan berurutan dengan langkah risiko tertinggi ditandakan, kemudian laksanakan dua langkah pertama sepenuhnya.

Fikirkan melalui teka-teki logik

Lima jurutera masing-masing memiliki bahasa pengaturcaraan berbeza, minum minuman berbeza, dan duduk di tempat berbeza dalam barisan. Gunakan petunjuk ini untuk tentukan siapa yang minum kopi: pembangun Python duduk bersebelahan peminum teh; pembangun Rust di tempat 1; pembangun Java minum jus; pembangun Go duduk tepat di kanan peminum kopi; pembangun TypeScript bukan di tempat 5.

Bandingkan dengan

Step 5 Preview
Model berat terbuka
konteks 1,048,576 token · Input $1.00/M, output $2.70/M
Step 3.7 Flash
Model berat terbuka
konteks 262,144 token · Input $0.20/M, output $1.15/M
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
Claude Opus 5.5
Model hanya API
konteks 1,000,000 token · Input $4.00/M, output $20.00/M

Lebih banyak model teks dari stepfun

Soalan yang sering ditanya

Adakah berat terbuka dan bolehkah saya jalankan Step 3.5 Flash secara tempatan?: Ya, berat tersedia secara awam di Hugging Face di bawah stepfun-ai/Step-3.5-Flash. StepFun berkata ia berjalan pada perkakasan pengguna kelas tinggi seperti Mac Studio M4 Max, tetapi dengan 196B parameter keseluruhan anda memerlukan memori yang besar; periksa lesen sebelum penggunaan komersial.
Berapa kos Step 3.5 Flash dan berapa tetingkap konteksnya?: Melalui API ia berharga $0.10 per sejuta token input dan $0.30 per sejuta token output, dengan tetingkap konteks 262,144 token.
Bagaimana Step 3.5 Flash berbeza daripada DeepSeek V3.2 atau Kimi K2?: Step 3.5 Flash mengaktifkan hanya 11B parameter setiap token berbanding 37B untuk DeepSeek V3.2 dan 32B untuk Kimi K2, yang menurut StepFun bermaksud kos penyahkodan kira-kira 6 kali lebih rendah daripada DeepSeek V3.2 pada konteks 128K dengan perkakasan setara.

Keputusan Kapten
Model penaakulan berat terbuka yang benar-benar cekap yang layak jika anda memerlukan inferens agen pantas tanpa membayar harga API termaju.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Qwen3 235B A22B Instruct 2507

TEXT / LLM

Muse Spark 1.3

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Step 3.5 Flash ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm stepfun penalaran pengaturcaraan ejen konteks panjang tempatan

Layari mengikut keluarga model