DIKONFIRMASIKeyakinan tanggal: DIKONFIRMASIDinyatakan pastiSeberapa tegas sumber menyebutkan tanggalnya: dikonfirmasi, dijadwalkan, diperkirakan, tertunda, atau belum diverifikasi.Tampilkan semua pin DIKONFIRMASIKEYAKINAN 87%Keyakinan keseluruhan: 87%Seberapa baik sumber dan referensi pin mendukung tanggalnya.Rata-rata tertimbang dari seberapa kuat 6 referensi, termasuk sumber, mendukung waktu mulai dan berakhir pin; bobot sebuah referensi berkurang setengahnya untuk setiap 180 hari lebih lama dari yang terbaruTampilkan semua pin dengan keyakinan 75% atau lebih tinggi
Laporan AIBase[6] tanggal 2 Februari 2026 menyebutnya “model fondasi open-source terbaru” StepFun[1][3] dengan kode di GitHub dan bobot di Hugging Face[2], dan commit pertama repositori GitHub bertanggal 2 Februari; OpenRouter mencantumkannya sejak 29 Januari dan repositori Hugging Face dibuat pada 1 Februari (UTC), sehingga hari peluncuran publiknya adalah 2 Februari.- Mulai
- 2 Feb 2026KEYAKINAN 92%dari news.aibase.com
Step 3.5 Flash dirilis
Diterjemahkan otomatis dari aslinya
Judul asli: Step 3.5 Flash Released
StepFun membuka sumber Step 3.5 Flash, mixture-of-experts jarang dengan 196B parameter (11B aktif), konteks 256K, dan hingga 350 token per detik, yang meraih 74.4% pada SWE-bench Verified di bawah Apache 2.0.
- StepFun merilis Step 3.5 Flash pada 2 Februari 2026, menyebutnya "model fondasi open-source paling mumpuni" miliknya dan membidiknya untuk agen, bukan chat; bobotnya ada di Hugging Face di bawah Apache 2.0[1][2][6]
- Ini adalah mixture-of-experts jarang dengan total 196B parameter dan 11B aktif serta jendela konteks 256K, menggunakan tiga lapisan atensi jendela geser untuk setiap lapisan atensi penuh dan prediksi multi-token tiga token demi kecepatan[1][2][5]
- StepFun mengklaim 100-300 token per detik pada penggunaan umum dan hingga sekitar 350 untuk coding aliran tunggal, serta menyatakan bahwa dalam tabelnya model ini mencapai 74.4% di SWE-bench Verified dan 51.0% di Terminal-Bench 2.0 dengan rata-rata 81.0 pada delapan benchmark, dibandingkan 82.2 untuk GPT-5.2 xhigh dan 80.6 untuk Claude Opus 4.5[1]
- Laporan teknis menyusul pada 11 Februari; rilis terbuka penuh datang pada awal Maret, ketika StepFun juga menerbitkan bobot Base dan Midtrain serta kerangka pelatihan Steptron[4][5]
- Biaya pemanggilannya murah: API StepFun menagih $0.10 per 1 juta token input, $0.02 untuk cache hit, dan $0.30 untuk output[3]; gratis di OpenRouter saat peluncuran[6]
Fitur unggulan
- Arsitektur: 288 pakar yang dirutekan ditambah satu pakar bersama dengan routing top-8, atensi berpintu per kepala, 96 kepala query di lapisan jendela geser, dan lapisan padat di awal; StepFun menyebut hingga 350 token per detik pada GPU NVIDIA Hopper saat menjalankan SWE-bench Verified[1][2]
- Penggunaan lokal: build GGUF INT4 berjalan sekitar 20 token per detik pada NVIDIA DGX Spark dengan 128GB dan meluas hingga konteks 256K dengan kuantisasi INT8 cache KV; StepFun juga menyebut Apple M4 Max dan AMD AI Max+ 395 sebagai target[1]
- Pengaturan agen: cookbook untuk OpenClaw, Claude Code, dan Roo Code, serta varian API step-3.5-flash-2603 yang disetel untuk agen dengan mode penalaran rendah yang memangkas penggunaan token[2][3]
- Keterbatasan yang dicantumkan StepFun sendiri: lintasan generasi lebih panjang daripada Gemini 3.0 Pro untuk kualitas serupa dan stabilitas lebih rendah saat terjadi pergeseran distribusi, dengan penalaran berulang, output campuran bahasa, dan kesadaran waktu atau identitas yang tidak konsisten[1]
Benchmark[1]
| Benchmark | Step 3.5 Flash | DeepSeek V3.2 | Kimi K2 Thinking / K2.5 | GLM-4.7 | MiniMax M2.1 | MiMo-V2 Flash |
|---|---|---|---|---|---|---|
| Parameter aktif / total | 11B / 196B | 37B / 671B | 32B / 1T | 32B / 355B | 10B / 230B | 15B / 309B |
| Perkiraan biaya decoding pada 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 (dengan Context Manager) | 69.0 | 67.6 | 60.2 / 74.9 | 67.5 | 62.0 | 58.3 |
| GAIA (tanpa berkas) | 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 |
- Tabel perbandingan StepFun; tanda bintang menandai skor yang dijalankan ulang atau diganti StepFun dengan kondisi pengujiannya sendiri, dan tanda hubung menandai skor yang tidak tersedia[1]