La primera entrada es siempre la fuente del pin. La confianza global es una media ponderada de la firmeza con la que cada referencia respalda las horas de inicio y fin usadas arriba; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más reciente.
El informe de AIBase[6] del 2 de febrero de 2026 lo califica como el “último modelo base de código abierto” de StepFun[3], con el código en GitHub y los pesos en Hugging Face[2], y el primer commit del repositorio de GitHub tiene fecha del 2 de febrero; OpenRouter lo listó desde el 29 de enero y el repositorio de Hugging Face se creó el 1 de febrero (UTC), por lo que el día del lanzamiento público es el 2 de febrero.
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]
¿Falta algo o hay un error? Dilo con tus palabras: un enlace que respalde este pin, otra fecha de inicio o fin y por qué, o un dato que falta o está mal. La IA lo contrasta con las fuentes del pin, busca otras mejores y añade cualquier página que te dé la razón. Las fuentes del propio pin siguen contando más. La IA también mira las imágenes: una que muestra otra cosa, o la muestra mal, pasa al final o se sustituye.
Título original: Step 3.5 Flash Released
| Prueba de referencia | Step 3.5 Flash | DeepSeek V3.2 | Kimi K2 Thinking / K2.5 | GLM-4.7 | MiniMax M2.1 | MiMo-V2 Flash |
|---|---|---|---|---|---|---|
| Parámetros activos / totales | 11B / 196B | 37B / 671B | 32B / 1T | 32B / 355B | 10B / 230B | 15B / 309B |
| Coste estimado de decodificación a 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 (con Context Manager) | 69.0 | 67.6 | 60.2 / 74.9 | 67.5 | 62.0 | 58.3 |
| GAIA (sin archivos) | 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 |