Step 3.5 Flash
4358°
รันโมเดลนี้
ข้อเสนอ / โฆษณา
StepFun | บริบท 262,144 โทเค็น | $0.10/M อินพุต, $0.30/M เอาต์พุต Step 3.5 Flash เป็นโมเดลฐานโอเพนซอร์สที่มีความสามารถสูงสุดของ StepFun สร้างบนสถาปัตยกรรม Mixture of Experts (MoE) แบบกระจัดกระจาย โดยเปิดใช้งานเพียง 11B จาก 196B พารามิเตอร์ต่อโทเค็น เป็นโมเดลให้เหตุผลที่มีประสิทธิภาพด้านความเร็วอย่างมากแม้ในบริบทยาว
คู่มือสำหรับโมเดลนี้
LLM ท้องถิ่นที่ดีที่สุดตามการใช้งาน (ตุลาคม 2026): โมเดลเปิดที่เหมาะกับทุกงาน
ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?
น้ำหนักเปิด vs โอเพนซอร์ส vs API-only: สิ่งที่คุณทำได้จริงๆ
ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)
บันทึกของกัปตัน
บันทึกจาก 2026-10-13
Step 3.5 Flash เป็นโมเดลเหตุผลน้ำหนักเปิดของ StepFun สร้างบนสถาปัตยกรรม sparse MoE ขนาด 196 พันล้านพารามิเตอร์ที่เปิดใช้งานเพียง 11 พันล้านพารามิเตอร์ต่อโทเค็น ความมีประสิทธิภาพนี้ทำให้สามารถสร้าง 100–300 โทเค็นต่อวินาทีแม้ในบริบทยาว เหมาะสำหรับงานที่ต้องการเหตุผลหลายขั้นตอนอย่างรวดเร็ว หากคุณต้องการเหตุผลระดับแนวหน้าที่รันในเครื่องหรือเรียกผ่าน API ราคาถูก นี่เป็นตัวเลือกที่น่าเชื่อถือจากห้องแล็บที่ไม่ใช่ตะวันตก
เป็นที่รู้จักสำหรับ
- ได้คะแนน 74.4% ใน SWE-bench Verified ซึ่งเป็นคะแนนโค้ดดิ้งน้ำหนักเปิดที่แข็งแกร่ง
- ความเร็วการสร้าง 100–300 โทเค็นต่อวินาทีด้วย Multi-Token Prediction แบบ 3 ทาง
- หน้าต่างบริบท 256K ด้วยการออกแบบ attention แบบสไลด์ผสมที่ช่วยลดค่าใช้จ่าย
- รันบนฮาร์ดแวร์ผู้บริโภคระดับสูง เช่น Mac Studio M4 Max
- น้ำหนักเปิดเผยบน Hugging Face สำหรับติดตั้งในเครื่องหรือโฮสต์เอง
ระวัง
- พารามิเตอร์รวม 196 พันล้าน ต้องการฮาร์ดแวร์แรง GPU ผู้บริโภคที่มี VRAM ต่ำกว่า 24 GB จะใช้งานลำบาก
- StepFun เป็นห้องแล็บขนาดเล็กและควรตรวจสอบเงื่อนไขใบอนุญาตก่อนใช้งานเชิงพาณิชย์
- การเปรียบเทียบเบนช์มาร์กในโมเดลการ์ดเป็นข้อมูลที่รายงานโดยผู้สร้างเอง การประเมินอิสระยังจำกัด
คำสั่งที่ควรลอง
ดีบักลูปเอเจนต์ล้มเหลว
ฉันมีเอเจนต์ Python ที่เรียกเครื่องมือค้นหาในลูป หลังจากวน 3 รอบเริ่มคืนผลลัพธ์ซ้ำและในที่สุดก็ค้าง นี่คือลูป: [วางโค้ดของคุณ] ระบุสาเหตุหลัก อธิบายว่าทำไมถึงเกิด และเขียนลูปใหม่โดยไม่เปลี่ยนอินเทอร์เฟซเครื่องมือ
วางแผนงานโค้ดหลายขั้นตอน
ฉันต้องย้ายแอป Flask แบบโมโนลิธไปยังบริการ FastAPI ที่มี async endpoints ฐานข้อมูล PostgreSQL ผ่าน SQLAlchemy 2.0 และคิวงานพื้นหลังด้วย ARQ แบ่งแผนเป็นลำดับขั้นตอนโดยชี้ขั้นตอนที่เสี่ยงที่สุด จากนั้นเขียนโค้ดสองขั้นตอนแรกเต็มรูปแบบ
แก้ปริศนาเหตุผล
วิศวกร 5 คน แต่ละคนใช้ภาษาโปรแกรมต่างกัน ดื่มเครื่องดื่มต่างกัน และนั่งในที่นั่งต่างกัน ใช้เบาะแสเหล่านี้หาคนที่ดื่มกาแฟ: นักพัฒนา Python นั่งข้างคนดื่มชา; นักพัฒนา Rust อยู่ที่นั่ง 1; นักพัฒนา Java ดื่มน้ำผลไม้; นักพัฒนา Go นั่งขวาของคนดื่มกาแฟทันที; นักพัฒนา TypeScript ไม่ได้นั่งที่นั่ง 5
เปรียบเทียบกับ
- Step 5 Previewโมเดลที่เปิดน้ำหนักบริบท 1,048,576 โทเค็น · ป้อน $1.00/M, ส่งออก $2.70/M
- Step 3.7 Flashโมเดลที่เปิดน้ำหนักบริบท 262,144 โทเค็น · ป้อน $0.20/M, ส่งออก $1.15/M
- GPT-6 Lunaโมเดลสำหรับ API เท่านั้นบริบท 1,050,000 โทเค็น · ป้อน $0.10/M, ส่งออก $0.50/M
- Claude Opus 5.5โมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $4.00/M, ส่งออก $20.00/M
โมเดลข้อความเพิ่มเติมจาก stepfun
คำถามที่คนถาม
- น้ำหนักเปิดเผยและฉันสามารถรัน Step 3.5 Flash ในเครื่องได้ไหม?
- ใช่ น้ำหนักเปิดเผยบน Hugging Face ที่ stepfun-ai/Step-3.5-Flash StepFun บอกว่ารันบนฮาร์ดแวร์ผู้บริโภคระดับสูงเช่น Mac Studio M4 Max แต่ด้วยพารามิเตอร์รวม 196 พันล้าน คุณจะต้องมีหน่วยความจำมาก ตรวจสอบใบอนุญาตก่อนใช้งานเชิงพาณิชย์
- ค่าใช้จ่ายและบริบทของ Step 3.5 Flash เป็นอย่างไร?
- ผ่าน API ราคา $0.10 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.30 ต่อหนึ่งล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบท 262,144 โทเค็น
- Step 3.5 Flash แตกต่างจาก DeepSeek V3.2 หรือ Kimi K2 อย่างไร?
- Step 3.5 Flash เปิดใช้งานเพียง 11 พันล้านพารามิเตอร์ต่อโทเค็น เทียบกับ 37 พันล้านของ DeepSeek V3.2 และ 32 พันล้านของ Kimi K2 ซึ่ง StepFun บอกว่าทำให้ต้นทุนการถอดรหัสต่ำกว่าประมาณ 6 เท่าเมื่อใช้บริบท 128K บนฮาร์ดแวร์เทียบเท่า
คำตัดสินของกัปตันโมเดลเหตุผลน้ำหนักเปิดที่มีประสิทธิภาพจริง เหมาะสำหรับงานเอเจนต์ที่ต้องการเหตุผลเร็วโดยไม่ต้องจ่ายราคา API แนวหน้า
บัตรโมเดลบน Hugging Face
กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้
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.
คะแนนนี้ถูกคำนวณอย่างไร
โมเดลนี้ยังไม่มีข้อมูลความนิยมจากแหล่งใดเลย จึงใช้ตัวเลขแทนที่ต่ำกว่า 7,000° เพื่อให้รายการครบถ้วน มันจะไม่ติดอันดับเหนือโมเดลที่มีข้อมูล การแยกส่วนจะแสดงที่นี่ทันทีที่มีแหล่งข้อมูลรายงาน
คำศัพท์: คำที่ใช้ที่นี่
- คะแนนความร้อน
- ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
- พื้นฐาน
- 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
- เทียบเท่าการดาวน์โหลด
- ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
- สเกลลอการิทึม
- นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
- ไลก์
- การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
- อัตราการนำไปใช้
- จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
- วัดได้และประมาณ
- วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
- Seeder
- คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
- AI Horde
- เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
- เว็บไซต์สร้างภาพ
- เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
- โทเค็น OpenRouter
- โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- โมเดลเต็ม (checkpoint)
- น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
- LoRA และ embedding
- ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
- ตระกูลและน้ำหนัก
- ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
- อายุ
- ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
- บูสต์ตระกูล
- แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
- คะแนนสำรอง
- ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
- ใหม่! (ช่วงเวลาปลอดภัย)
- โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
- แนวโน้ม
- การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
- โมเดลทั่วไป
- จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า
Step 3.5 Flash เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์
โมเดล Text / LLM เพิ่มเติมข้อความ / LLM Text / LLM เพิ่มเติมllmstepfunการให้เหตุผลเขียนโค้ดเอเจนต์บริบทยาวในเครื่อง
เรียกดูตามตระกูลโมเดล
โมเดล Text / LLM
434
โมเดล Anima
528
โมเดล Chroma
19
โมเดล Fibo
2
โมเดล Flux
1,496
โมเดล Flux 2 / Klein
1,239
โมเดล Flux 3
3
โมเดล Moss
3
โมเดล Iris
1
โมเดล MiniMax H3
364
โมเดล Hunyuan
204
โมเดล Ideogram
20
โมเดล Krea2
717
โมเดล Qwen
20
โมเดล Qwen2
47
โมเดล Ltx2
153