研究者らは、Step 3.5 Flashを発表しました。これはスパースなMixture-of-Expertsモデルで、196Bの基盤モデルから11Bのアクティブパラメータのみを使用することで、最前級のエージェント知能と計算効率を結びつけます。

  • マルチラウンドのエージェント相互作用のレイテンシとコストを削減するために、インターリーブされた3:1スライディングウィンドウ/フルアテンションとMulti-Token Prediction (MTP-3)で最適化されています。
  • 検証可能な信号と好意フィードバックを組み合わせたスケーラブルな強化学習フレームワークを利用し、安定した大規模オフポリシー学習を実現します。
  • IMO-AnswerBenchで85.4%、LiveCodeBench-v6で86.4%、tau2-Benchで88.2%、BrowseCompで69.0%、Terminal-Bench 2.0で51.0%を達成しました。
  • GPT-5.2 xHighやGemini 3.0 Proなどの最前級モデルと同等の性能です。

このモデルは、効率性のフロンティアを再定義することで、現実世界の産業環境において洗練されたエージェントを展開するための高密度な基盤を提供します。