शोधकर्ता Step 3.5 Flash पेश करते हैं, एक विरल मिक्चर-ऑफ-एक्सपर्ट्स मॉडल जो केवल 196B आधार से 11B सक्रिय पैरामीटर का उपयोग करके अग्रणी स्तर की एजेंटिक बुद्धिमत्ता को कंप्यूटेशनल दक्षता से जोड़ता है।
- बहु-राउंड एजेंटिक इंटरैक्शन की लेटेंसी और लागत कम करने के लिए इंटर्लीव्ड 3:1 स्लाइडिंग-विंडो/फुल अटेंशन और मल्टी-टोकन प्रिडिक्शन (MTP-3) के साथ अनुकूलित।
- स्थिर, बड़े-पैमाने पर ऑफ-पॉलिसी ट्रेनिंग के लिए सत्यापनीय संकेतों को प्राथमिकता फीडबैक के साथ जोड़ने वाला एक स्केलेबल रीइन्फोर्समेंट लर्निंग फ्रेमवर्क का उपयोग करता है।
- IMO-AnswerBench पर 85.4%, LiveCodeBench-v6 पर 86.4%, tau2-Bench पर 88.2%, BrowseComp पर 69.0% और Terminal-Bench 2.0 पर 51.0% प्राप्त करता है।
- प्रदर्शन GPT-5.2 xHigh और Gemini 3.0 Pro जैसे अग्रणी मॉडलों के तुलनीय है।
मॉडल दक्षता की सीमा को पुनर्परिभाषित करके वास्तविक दुनिया के औद्योगिक वातावरण में जटिल एजेंट्स को तैनात करने के लिए उच्च-घनत्व आधार प्रदान करता है।