重みはオープンでStep 3.5 Flashをローカルで実行できますか？

はい。重みはHugging Faceのstepfun-ai/Step-3.5-Flashで公開されています。StepFunによればMac Studio M4 Maxなどのハイエンド消費者向けハードウェアで動作しますが、1960億パラメータのためかなりのメモリが必要です。商用利用前にライセンスを確認してください。

料金とコンテキストウィンドウは？

API経由で入力は100万トークンあたり0.10ドル、出力は100万トークンあたり0.30ドルで、262,144トークンのコンテキストウィンドウがあります。

Step 3.5 FlashはDeepSeek V3.2やKimi K2とどう違いますか？

Step 3.5 Flashはトークンごとに110億パラメータを活性化し、DeepSeek V3.2の370億やKimi K2の320億に比べて約6倍低コストでデコードできるとStepFunは述べています。128Kコンテキストで同等のハードウェア上での比較です。

Step 3.5 Flash

4358°

#llm #stepfun #推論 #コーディング #エージェント #長いコンテキスト

このモデルを実行

オファー／広告

OpenRouter ターミナル / API

トークンごとに支払い

ブラウザでこのモデルとチャットするか、1つのAPIキーでコードから呼び出せます。

StepFun | 262,144トークンコンテキスト | 入力$0.10/M、出力$0.30/M。Step 3.5 FlashはStepFunの最も高性能なオープンソース基盤モデルです。スパースMixture of Experts（MoE）アーキテクチャに基づき、196Bパラメータのうち11Bのみをトークンごとに選択的に活性化します。長いコンテキストでも非常に高速な推論モデルです。

このモデルのガイド

ローカルAIに実際どれくらいのVRAMが必要？

オープンウェイト、オープンソース、API専用：実際に何ができるのか

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Step 3.5 FlashはStepFunによるオープンウェイトの推論モデルで、1960億パラメータのスパースMoEアーキテクチャを採用し、トークンごとにわずか110億パラメータのみを活性化します。この効率性により長いコンテキストでも毎秒100～300トークンの高速生成が可能で、迅速な多段階推論を必要とするエージェント系ワークロードに非常に実用的です。フロンティアクラスの推論をローカルで実行したい、あるいは安価にAPIで呼び出したい場合、非西洋の研究所からの信頼できる選択肢の一つです。

得意分野

SWE-bench Verifiedで74.4％の高スコアを記録し、公開されたオープンウェイトのコーディングスコアとしては強力な部類。
3方向のマルチトークン予測による100～300トークン/秒の生成スループット。
コストを抑えるハイブリッドスライディングウィンドウ注意機構を備えた256Kトークンのコンテキストウィンドウ。
Mac Studio M4 Maxなどのハイエンド消費者向けハードウェアで動作可能。
Hugging Faceでオープンウェイトが公開されており、ローカルやセルフホストでの展開が可能。

注意点

1960億パラメータのため、24GB未満のVRAMの消費者GPUでは動作が困難。
StepFunは小規模な研究所であり、商用利用前にライセンス条件を確認することを推奨。
モデルカードのベンチマーク比較は自己申告であり、独立した第三者評価は限られている。

最適な用途

試してみるプロンプト

失敗するエージェントループのデバッグ

Pythonのエージェントがループ内で検索ツールを呼び出していますが、3回目の繰り返し後に重複結果を返し最終的にハングします。ループのロジックは[コードを貼り付けてください]です。根本原因を特定し、なぜ起こるのか説明し、ツールのインターフェースを変えずにループを書き直してください。

多段階コーディングタスクの計画

モノリシックなFlaskアプリをFastAPIの非同期エンドポイント、SQLAlchemy 2.0経由のPostgreSQLデータベース、ARQを使ったバックグラウンドタスクキューに移行する必要があります。リスクの高いステップを指摘しながら順序立てた計画を作成し、最初の2ステップを完全に実装してください。

論理パズルの推論

5人のエンジニアがそれぞれ異なるプログラミング言語を使い、異なる飲み物を飲み、異なる席に座っています。以下の手がかりを使ってコーヒーを飲む人を特定してください：Python開発者は紅茶を飲む人の隣、Rust開発者は席1、Java開発者はジュースを飲む、Go開発者はコーヒー飲みのすぐ右、TypeScript開発者は席5ではない。

比較する

Step 5 Preview
オープンウェイトモデル
1,048,576トークンのコンテキスト · $1.00/M 入力、$2.70/M 出力
Step 3.7 Flash
オープンウェイトモデル
262,144トークンのコンテキスト · $0.20/M 入力、$1.15/M 出力
GPT-6 Luna
API専用モデル
1,050,000トークンのコンテキスト · $0.10/M 入力、$0.50/M 出力
Claude Opus 5.5
API専用モデル
1,000,000トークンのコンテキスト · $4.00/M 入力、$20.00/M 出力

stepfunの他のテキストモデル

よくある質問

重みはオープンでStep 3.5 Flashをローカルで実行できますか？: はい。重みはHugging Faceのstepfun-ai/Step-3.5-Flashで公開されています。StepFunによればMac Studio M4 Maxなどのハイエンド消費者向けハードウェアで動作しますが、1960億パラメータのためかなりのメモリが必要です。商用利用前にライセンスを確認してください。
料金とコンテキストウィンドウは？: API経由で入力は100万トークンあたり0.10ドル、出力は100万トークンあたり0.30ドルで、262,144トークンのコンテキストウィンドウがあります。
Step 3.5 FlashはDeepSeek V3.2やKimi K2とどう違いますか？: Step 3.5 Flashはトークンごとに110億パラメータを活性化し、DeepSeek V3.2の370億やKimi K2の320億に比べて約6倍低コストでデコードできるとStepFunは述べています。128Kコンテキストで同等のハードウェア上での比較です。

キャプテンの評価
フロンティアAPI価格を払わずに高速なエージェント推論が必要な場合に価値のある、効率的なオープンウェイト推論モデルです。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

このスコアの計算方法

このモデルはまだどのソースからも人気データがないため、リストを完全に保つために7,000°未満の仮の数値が割り当てられています。データのあるモデルより上位には決してなりません。内訳はソースが報告次第ここに表示されます。

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。