步骤 3.5 Flash：开源 11B 活跃参数的 MoE 模型达到前沿级代理性能

研究人员推出了 Step 3.5 Flash，这是一种稀疏混合专家（Mixture-of-Experts）模型，通过仅使用 196B 基础模型中的 11B 活跃参数，将前沿级代理智能与计算效率相结合。

• 采用交错的 3:1 滑动窗口/全注意力机制以及多令牌预测（MTP-3）进行优化，以降低多轮代理交互的延迟和成本。
• 利用可扩展的强化学习框架，结合可验证信号与偏好反馈，实现稳定、大规模的离线策略训练。
• 在 IMO-AnswerBench 上达到 85.4%，在 LiveCodeBench-v6 上达到 86.4%，在 tau2-Bench 上达到 88.2%，在 BrowseComp 上达到 69.0%，在 Terminal-Bench 2.0 上达到 51.0%。
• 性能与 GPT-5.2 xHigh 和 Gemini 3.0 Pro 等前沿模型相当。

该模型通过重新定义效率边界，为在实际工业环境中部署复杂代理提供了高密度基础。