Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
Der Bericht von AIBase[6] vom 2. Februar 2026 nennt es StepFuns „neuestes Open-Source-Foundation-Modell“ mit Code auf GitHub und Gewichten auf Hugging Face[2], und der erste Commit des GitHub-Repositorys ist auf den 2. Februar datiert; OpenRouter führte es seit dem 29. Januar, und das Hugging-Face-Repository wurde am 1. Februar (UTC) angelegt, sodass der öffentliche Starttag der 2. Februar ist.
The model card: Apache 2.0, 196B total and about 11B active parameters with 288 routed experts plus one shared and top-8 routing, 256K context, 100-300 tok/s typical and about 350 tok/s peak, 74.4% SWE-bench Verified and 51.0% Terminal-Bench 2.0, recommended sampling.[1]
The API docs: step-3.5-flash at $0.10 per 1 million input tokens, $0.02 cache hit and $0.30 output; a step-3.5-flash-2603 agent-optimized variant with a low-reasoning mode; OpenAI-compatible chat completions with tool calling.[1]
ifanr (6 March): StepFun[1][3] fully open-sourced the model in early March, releasing the Base and Midtrain weights and the Steptron training framework alongside it, with Step 3.5 Flash's OpenClaw call volume reaching first place globally.
The technical report (216 authors, submitted 11 February, revised 23 February): 3:1 sliding-window/full attention, MTP-3, a reinforcement learning framework, and 85.4% IMOAnswerBench, 86.4% LiveCodeBench-v6, 88.2% tau2-Bench, 69.0% BrowseComp (with context management).[1]
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
Originaltitel: Step 3.5 Flash Released
| Benchmark | Step 3.5 Flash | DeepSeek V3.2 | Kimi K2 Thinking / K2.5 | GLM-4.7 | MiniMax M2.1 | MiMo-V2 Flash |
|---|---|---|---|---|---|---|
| Aktive / gesamte Parameter | 11B / 196B | 37B / 671B | 32B / 1T | 32B / 355B | 10B / 230B | 15B / 309B |
| Geschätzte Dekodierungskosten bei 128K (Hopper) | 1.0x | 6.0x | 18.9x | 18.9x | 3.9x | 1.2x |
| τ²-Bench | 88.2 | 80.3 (85.2*) | 74.3* / 85.4* | 87.4 | 86.6* | 80.3 (84.1*) |
| BrowseComp | 51.6 | 51.4 | 41.5* / 60.6 | 52.0 | 47.4 | 45.4 |
| BrowseComp (mit Context Manager) | 69.0 | 67.6 | 60.2 / 74.9 | 67.5 | 62.0 | 58.3 |
| GAIA (ohne Datei) | 84.5 | 75.1* | 75.6* / 75.9* | 61.9* | 64.3* | 78.2* |
| AIME 2025 | 97.3 | 93.1 | 94.5 / 96.1 | 95.7 | 83.0 | 94.1 (95.1*) |
| HMMT 2025 (Feb.) | 98.4 | 92.5 | 89.4 / 95.4 | 97.1 | 71.0* | 84.4 (95.4*) |
| IMOAnswerBench | 85.4 | 78.3 | 78.6 / 81.8 | 82.0 | 60.4* | 80.9* |
| LiveCodeBench-V6 | 86.4 | 83.3 | 83.1 / 85.0 | 84.9 | — | 80.6 (81.6*) |
| SWE-bench Verified | 74.4 | 73.1 | 71.3 / 76.8 | 73.8 | 74.0 | 73.4 |
| Terminal-Bench 2.0 | 51.0 | 46.4 | 35.7* / 50.8 | 41.0 | 47.9 | 38.5 |