Step 3.5 Flash
4358°
Esegui questo modello
Offerte / Annunci
StepFun | contesto da 262.144 token | $0.10/M input, $0.30/M output. Step 3.5 Flash è il modello open-source di base più capace di StepFun. Basato su un'architettura Mixture of Experts (MoE) sparsa, attiva selettivamente solo 11 miliardi dei suoi 196 miliardi di parametri per token. È un modello di ragionamento incredibilmente efficiente in termini di velocità anche con contesti lunghi.
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Quanta VRAM serve davvero per l'AI locale?
Pesi aperti vs open source vs solo API: cosa puoi davvero fare
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Step 3.5 Flash è il modello di ragionamento open-weight di StepFun basato su un'architettura MoE sparsa da 196 miliardi di parametri che attiva solo 11 miliardi di parametri per token. Questa efficienza gli permette di sostenere 100–300 token al secondo anche con contesti lunghi, rendendolo particolarmente pratico per carichi agentici che richiedono ragionamenti multi-step veloci. Se cerchi un ragionamento di livello frontier che puoi eseguire localmente o chiamare a basso costo via API, questa è una delle opzioni più credibili da un laboratorio non occidentale.
Conosciuto per
- 74,4% su SWE-bench Verified, tra i punteggi open-weight più forti pubblicati per coding.
- Throughput di generazione di 100–300 tok/s tramite predizione multi-token a 3 vie.
- Finestra di contesto da 256K con un design ibrido a finestra scorrevole per mantenere bassi i costi.
- Funziona su hardware consumer di fascia alta come Mac Studio M4 Max.
- Pesi open disponibili su Hugging Face per deployment locale o self-hosted.
Attenzione a
- 196 miliardi di parametri totali richiedono hardware serio; GPU consumer con meno di 24 GB di VRAM faticheranno.
- StepFun è un laboratorio più piccolo e i termini di licenza vanno verificati prima di qualsiasi uso commerciale.
- I benchmark nel model card sono auto-riportati; valutazioni indipendenti di terze parti sono limitate.
Prompt da provare
Debug di un ciclo agente fallito
Ho un agente Python che chiama uno strumento di ricerca in un ciclo. Dopo 3 iterazioni inizia a restituire risultati duplicati e infine si blocca. Ecco la logica del ciclo: [incolla il tuo codice]. Identifica la causa principale, spiega perché accade e riscrivi il ciclo per correggerlo senza cambiare l'interfaccia dello strumento.
Pianifica un compito di coding multi-step
Devo migrare un'app Flask monolitica a un servizio FastAPI con endpoint async, un database PostgreSQL via SQLAlchemy 2.0 e una coda di task in background usando ARQ. Suddividi in un piano sequenziale con i passaggi più rischiosi evidenziati, poi implementa completamente i primi due passaggi.
Ragiona su un puzzle logico
Cinque ingegneri possiedono ciascuno un linguaggio di programmazione diverso, bevono una bevanda diversa e siedono in posti diversi in fila. Usa questi indizi per determinare chi beve caffè: lo sviluppatore Python siede accanto a chi beve tè; lo sviluppatore Rust è al posto 1; lo sviluppatore Java beve succo; lo sviluppatore Go siede immediatamente a destra di chi beve caffè; lo sviluppatore TypeScript non è al posto 5.
Confronta con
- Step 5 PreviewModello con pesi apertiContesto di 1,048,576 token · Input $1.00/M, output $2.70/M
- Step 3.7 FlashModello con pesi apertiContesto di 262,144 token · Input $0.20/M, output $1.15/M
- GPT-6 LunaModello solo APIContesto di 1,050,000 token · Input $0.10/M, output $0.50/M
- Claude Opus 5.5Modello solo APIContesto di 1,000,000 token · Input $4.00/M, output $20.00/M
Altri modelli di testo da stepfun
Domande frequenti
- I pesi sono open e posso eseguire Step 3.5 Flash localmente?
- Sì, i pesi sono pubblicamente disponibili su Hugging Face sotto stepfun-ai/Step-3.5-Flash. StepFun dice che funziona su hardware consumer di fascia alta come Mac Studio M4 Max, ma con 196 miliardi di parametri totali servirà molta memoria; verifica la licenza prima dell'uso commerciale.
- Quanto costa Step 3.5 Flash e qual è la finestra di contesto?
- Via API costa $0,10 per milione di token di input e $0,30 per milione di token di output, con una finestra di contesto da 262.144 token.
- In cosa differisce Step 3.5 Flash da DeepSeek V3.2 o Kimi K2?
- Step 3.5 Flash attiva solo 11 miliardi di parametri per token contro 37 miliardi di DeepSeek V3.2 e 32 miliardi di Kimi K2, cosa che StepFun dice si traduce in un costo di decodifica circa 6 volte inferiore rispetto a DeepSeek V3.2 a 128K di contesto su hardware equivalente.
Verdetto del capitanoUn modello di ragionamento open-weight davvero efficiente che si guadagna il suo posto se ti serve un'inferenza agentica veloce senza pagare i prezzi delle API di punta.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Come si calcola questo punteggio
Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Step 3.5 Flash è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmstepfunragionamentoprogrammazioneagenticontesto lungolocale
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153