从 chatbot 到 Agent，大模型以「缸中之脑」为起点，正在悄然进化出属于自己的四肢百骸。
但在 Agent 应用狂飙突进的同时，各种安全事故也层出不穷。初具雏形的 Agent 应用，正在急切呼唤一个更聪明、更可靠的「原生大脑」。
爆改基模结构，开启 AI 模型「Agent 原生」时代
Agent 时代，由于外部工具和任务重试需求等因素的介入，令上下文长度相比 coding、chatbot 等应用场景，迎来了一轮暴涨。同时，用户对即时性也有了更高的要求。相比 chatbot 时代，吐字比阅读速度快的基本诉求，等待 Agent 工具交付结果的时间，必须被进一步压缩。
所以，上一个时代的 Reasoning 模型，已经不能再适应本时代的需求。一个好的 Agent 原生模型，在推理成本、速度和智能水平三个层面，都必须再次迎来进化。
基于此，阶跃星辰新上线的 Step 3.5 Flash，可谓「多快好省」：
为了满足 Agent 时代的诉求，Step 3.5 Flash 从基础模型层面，就采用了十分独特的结构设计。作为一款旗舰级语言推理模型，它并未盲目追逐模型尺寸，而是选择了稀疏混合专家（MoE）架构。总参数量为 1960 亿，每次推理仅激活约 110 亿参数。
同时，Step 3.5 Flash，将传统的 Linear Attention（线性注意力机制），打散为滑动窗口注意力（SWA）+ 全局注意力（Full Attention）3:1 的混合架构。如果要找个比喻的话，这种结构，十分接近推理小说的阅读体验：大部分注意力依旧集中在当前段落附近的文本，但当一个伏笔回收时，几章之前埋下的剧情钩子，仍然能快速的浮现出来。
最后，在模型技术层面，Step 3.5 Flash 还使用了 MTP-3「多 token 并行预测」机制。
如果说传统大模型，是一个词接一个词的“文字接龙”，那么 MTP-3，就像是先打草稿，再深入润色。在 Transformer 主干之后，MTP-3 会附加一个专用的预测网络层，让模型根据当前上下文同时推断多个未来 token 的概率分布。这样的设计，在保证因果一致性的前提下，实现了多 token 的并行推理。
架构精巧，推理速度可达每秒 350 个 token
多方加持下，Step 3.5 Flash 拥有了高达 256K 的超长上下文，和十分夸张的推理速度。在单请求代码类任务上，Step 3.5 Flash 最高推理速度可达每秒 350 个 token，确保了复杂 Agent 任务的低延迟响应。
和它的名字一样，「快」，是 Step 3.5 Flash 最显著的特点。但速度不能以牺牲智力为代价。在推理速度狂飙突进的同时，它的逻辑能力，同样不容小觑。
在例行刷榜环节当中，Step 3.5 Flash 拿下了 AIME 2025（美国数学邀请赛）97.3 分； IMOAnswerBench（国际奥林匹克数学基准测试）85.4 分；HMMT 2025（哈佛 - 麻省理工数学竞赛） 96.2 分的好成绩。
与国内顶级开源模型相比，上述项目得分，Step 3.5 Flash 均为第一。
缩放定律似乎暗示我们，模型的能力，直接和尺寸挂钩。但 Step 3.5 Flash 用事实证明，合适尺寸 + 充分的后训练，完全可以兼顾速度与效率，得到一个精致、且有强逻辑内核的大模型。
抛弃「规模迷信」的背后，是阶跃星辰对大模型的独特理解：模型应该凝缩「逻辑」，而非用超大规模，简单地对文本模式死记硬背。
「高智商」，才是硬道理
这种认知的回报，在真实世界的任务当中体现的尤为明显：coding 榜单当中，Step 3.5 Flash 拿下了 Terminal-Bench 2.0（终端任务自动化），和 LiveCodeBench-V6（实时编码调试）国内开源第一的好成绩，整体测试水平属于全球第一梯队。
Agent 相关的测试项目更是手到擒来：τ²-Bench（多步任务规划）88.2 分 ；xbench-DeepSearch（深度搜索与信息整合）54 分，均为国内开源模型第一。BrowseComp（网页浏览与上下文管理） 69 分，实现了对海外御三家模型的成功反超。
更大的认可，来自 AI 社群：在真实世界任务中，Step 3.5 Flash 以高达 167 Tokens/s 的推理速度，发布首日，即进入全球知名 AI 模型聚合平台 OpenRouter “Fastest Models”速度榜前列。
发布 2 天，登顶 OpenRouter 全球趋势榜（Trending）榜单。
作为汇聚了 OpenAI、Anthropic、Google 等主流模型的 API 平台，OpenRouter 的全球趋势榜单，实时反映着开发者在实际应用中的模型偏好与付费选择。此次登顶，意味着 Step 3.5 Flash 在真实任务当中的表现，已收获了全球 AI 开发者的积极认可。
Reddit、X 等平台上也有不少用户，对 Step 3.5 Flash 的表现给出了很高的评价：多语言混用时切换自然，很少出现同尺寸模型身上常见的「夹杂」情况；行事稳定可靠，幻觉率极低，且对自身的能力边界有着清晰的认知，不会为了强行接话而编造答案。
而这一切，都发生在一台 128G 内存、M3 Max 芯片的 mac 电脑上。
本地 Agent，从此平权
据社区反馈，借助 llama.cpp，Step 3.5 Flash 在 mac 平台上的推理速度极佳。平均速度 35 tokens/ 秒，约为该平台理论最大效率的 70%。
某种程度上，这是阶跃星辰 CTO 朱亦博「私心」的结果：他希望这个模型，能支持 4-bit 量化后，运行在 128GB 内存的 MacBook 上。
但 Step 3.5 Flash 最终发布时的支持范围远不止于此：云服务层面，包括华为昇腾、沐曦股份、壁仞科技、燧原科技、天数智芯、阿里平头哥等在内的多家芯片厂商，均已率先完成了对 Step 3.5 Flash 的适配工作。同时，经过 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 等主流个人 AI 终端上，进行本地部署——同时依然保持着 256K context 的超长上下文能力。
朱亦博在博客文章里不无自豪地表示，这是你在 128GB 内存的 Macbook 和 DGX Spark 上，用 4-bit 畅快跑 256K context 的最强模型，没有之一。
AI 模型的又一个「中国时刻」？
在过去的一年中，来自中国的开源模型，用更低的获取门槛、推理成本和打平的性能，一举击碎了“超大规模 + 闭源 = 先进”的行业迷信，无数 AI 应用因此涌现，也将大模型竞争，重新拉回了效率与架构创新的主航道。
现在，国内几家 AI 公司动作频频、传闻不断，今年大模型领域的「春节档」，注定热闹非常。而最近发布的 Step 3.5 Flash，或许正悄然复刻又一个 AI 领域的「中国时刻」——高性能、低门槛、新范式。只是这一次，范式转移的焦点，从“推理模型”转向了更具颠覆性的“Agent 原生（开源）基座模型”。
当行业还在用稠密模型硬扛 Agent 场景时，它用 1960 亿总参数、仅 110 亿激活参数的精巧架构，同时解决了 Agent 时代的三大死结——超长上下文下的低延迟响应、复杂任务中的高幻觉风险、以及终端设备上的本地化部署。
当海外巨头将 Agent 能力锁死在云端 API 时，Step 3.5 Flash，让 256K 上下文的 Agent 大脑，跑在 128GB 内存的 MacBook 上——这是对 AI 权力结构的重构：Agent 的智能不应被云厂商垄断，开发者理应拥有在终端侧构建私有化 Agent 工作流的自由。
这种“终端平权”逻辑，恰是此前中国 AI 大模型引领的范式转移，在新环境下进一步的延续与深化：从模型获取的平权，进阶到 Agent 能力的平权。
历史从不重复，但常常押韵。如果说之前的国产大模型，打破的是“对规模和闭源的迷信”，那么 Step 3.5 Flash 正在击碎的，就是“速度与智能不可兼得”的新迷信。当行业还在用“参数量”“榜单分数”这类旧范式衡量模型价值时，Step 3.5 Flash 已用 OpenRouter 趋势榜登顶、Reddit 开发者自发安利、多芯片厂商 Day 0 适配的事实证明：真正的范式转移，永远始于真实世界中，解决真实诉求的能力。
我们或许正站在 Agent 时代的分水岭上：过去一年，市场狂热追逐 Agent 应用层的“四肢百骸”，却忽略了为其注入灵魂的“原生大脑”。而 Step 3.5 Flash 的此时此刻，又恰似 2025 年春节的彼时彼刻——尽管暂时被 Agent 应用的喧嚣浪潮所掩盖，但历史终将被证明，在 Agent 时代，是阶跃星辰，完成了一次基础设施层，最关键的范式跃迁。
