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 "。
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！"
稀疏 MoE 架构：不要 " 大而全 "，我要 " 以巧见大 "
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。
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。
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 τ -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。
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。
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 "。
不只是 " 跑得快 "，更是 " 想得流畅 "
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。
结语
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
