Los investigadores presentan Step 3.5 Flash, un modelo Mixture-of-Experts disperso que conecta la inteligencia de agente de nivel fronterizo con la eficiencia computacional al usar solo 11B parámetros activos de una base de 196B.
- Optimizado con atención deslizante entrelazada 3:1/completa y Predicción Multi-Tokens (MTP-3) para reducir la latencia y el costo de las interacciones de agentes en múltiples rondas.
- Utiliza un marco escalable de aprendizaje por refuerzo que combina señales verificables con retroalimentación de preferencias para un entrenamiento off-policy a gran escala y estable.
- Alcanza 85.4% en IMO-AnswerBench, 86.4% en LiveCodeBench-v6, 88.2% en tau2-Bench, 69.0% en BrowseComp y 51.0% en Terminal-Bench 2.0.
- El rendimiento es comparable a modelos fronterizos como GPT-5.2 xHigh y Gemini 3.0 Pro.
El modelo proporciona una base de alta densidad para desplegar agentes sofisticados en entornos industriales reales, redefiniendo la frontera de eficiencia.