Step-3.5-Flash (196B MoE) 模型架构参数、评测与显存全表
阶跃星辰开源高密度极速推理模型:总参 196.8B 仅激活 11B,搭载 3 路多 Token 预测 (MTP-3),单流代码吞吐最高达 350 tok/s。
🧬 Step-3.5-Flash (196B MoE) 底层网络与张量参数总表 (Model Overview & config.json)
全部字段同步自官方 HuggingFace 仓库 (stepfun-ai/Step-3.5-Flash) 的 config.json 与技术报告 · 核验日期 2026-11-20
1. 骨干网络与维度参数
step3p5- 总参数量 / 单步激活
- 196.8B / 11B
- Hidden Size (d_model)
- 4,096
- FFN Intermediate Size
- 11,264
- MoE 专家中间层维度
- 1,280
- MoE 专家配置
- 288 路由 · 激活8 + 1 共享
- 激活函数 / RMSNorm
- SiLU (SwiGLU) · ε=1e-6
- 原生权重精度
- BF16 / FP8
2. 注意力机制与混合层拓扑
HYBRID- Transformer 总层数
- 45 层 (12 层全局 KV)
- 网络层排布 (Hidden Layout)
- 45 层 3:1 滑动窗口混合注意力 (36 层 SWA + 12 层全局注意力) · 288 路由专家激活 8 个
- 注意力头 (Q / KV)
- 64 Q / 8 KV (8:1 GQA)
- Head Dimension
- 128
- 线性注意力 / KV 压缩机制
- 内置 3 层 MTP (MTP-3) 多步并行预测头,推理吞吐提升 2~3 倍
- 视觉编码器 / MTP 头
- MTP 3L
3. 上下文、位置编码与词表
Tokenizer- 原生上下文长度
- 262,144 tokens
- 旋转位置编码 (RoPE)
- YaRN Hybrid RoPE (原生 262,144 Context)
- 词表大小 (vocab_size)
- 128,896 (独立输出头)
- 特殊控制 Token ID
- BOS: 0 · EOS: [1,2,128007]
📋 Step-3.5-Flash (196B MoE) 官方 API 技术规格与计费参数总表
核验自 StepFun 阶跃星辰 官方开发者文档与公开定价页(核验日期 2026-11-20)
1. 模型标识与能力开关
API Spec- 官方调用 Model ID
- step-3.5-flash
- 版本发布日期
- 2026-01-29
- 权重授权形态
- 开源权重 (云端 API 规格)
- 原生深度推理思考
- ✅ 支持 (可调思考预算)
- Function Calling & JSON Schema
- ✅ 原生支持
- Batch API 异步批处理
- ✅ 支持 (通常享 5 折)
2. 上下文、输出上限与模态
Limits- 最大输入上下文窗口
- 256,000 tokens (256K)
- 单次最大输出上限
- 256,000 tokens
- 支持输入模态
- Text
- 支持输出模态
- Text
- 中国大陆网络直连
- ✅ 国内极速直连 + 人民币结算
- 分发与部署形态
- 开源权重 + 托管云 API
3. 官方 Token 单价与缓存阶梯
CNY / 1M- 标准输入单价 (每百万)
- ¥ 0.7
- Prompt 缓存命中输入
- ¥ 0.14 -80%
- 标准输出单价 (每百万)
- ¥ 2.1
- 长上下文阶梯与计费备注
- 阶跃星辰:高性价比多模态极速模型
🏆 Step-3.5-Flash (196B MoE) 官方基准评测成绩单
摘录自官方 System Card / Model Card 与权威公开横评表
国际数学奥林匹克(IMO)竞赛级数学求解与验证
零数据污染的动态竞赛编程基准(v6),持续采集 LeetCode、AtCoder 与 CodeForces 最新赛题,全面测试算法编写、修复与执行推理。
经人类工程师逐题验证可解的 500 道真实 GitHub 开源仓库 Issue 修复基准,衡量模型阅读大型代码库并生成通过单测补丁的实战工程能力。
Terminal-Bench 2.0 真实终端环境智能体评测,衡量命令行工具链操控与长链路工程任务完成率。
🎛️ 官方调用采样与思考参数指南
API / 推理引擎调用时的最佳超参数与约束说明
📊 Step-3.5-Flash (196B MoE) 全量评测成绩与维度排名
共 7 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20
💻 代码工程 2 项
🤖 Agent 与工具调用 2 项
📐 数学 2 项
来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。
⚡ Step-3.5-Flash (196B MoE) 本地显存占用 & 实时吐字速度计算器
物理总容量 512 GB · 占用率 26.7%
MoE 架构:每步仅读取 6.67 GB 激活权重
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
OLLAMA_CONTEXT_LENGTH=16384 ollama run step3.5:flashMac Studio M5 Ultra 512G 可运行 Step-3.5-Flash (196B MoE) · 硬件成本与回本参考
参考均价约 ¥74,999(折合 ¥146/GB)· 满载约 190W
📊 Step-3.5-Flash (196B MoE) 各量化精度显存占用对照表 (16K 上下文)
| 量化格式 | 等效位数 | 纯权重体积 | KV Cache (16K) | 总显存需求 | 精度评价 |
|---|---|---|---|---|---|
| FP16 / BF16 | 16 bpw | 393.6 GB | 0.87 GB | 402.8 GB | 无损原精度 |
| FP8 / Q8_0 | 8.5 bpw | 209.1 GB | 0.87 GB | 214.61 GB | 99.9% 接近无损 |
| GGUF Q6_K | 6.56 bpw | 161.38 GB | 0.87 GB | 165.93 GB | 极高画质 · 严肃编码 |
| GGUF Q5_K_M | 5.69 bpw | 139.97 GB | 0.87 GB | 144.1 GB | 高均衡度 |
| Q4_K_M / AWQ | 4.85 bpw | 119.31 GB | 0.87 GB | 123.02 GB | 黄金甜点(推荐) |
| GGUF IQ4_XS | 4.25 bpw | 104.55 GB | 0.87 GB | 107.97 GB | 省显存优选 |
| GGUF Q3_K_M | 3.91 bpw | 96.19 GB | 0.87 GB | 99.43 GB | 轻度智商折损 |
| GGUF Q2_K | 3.15 bpw | 77.49 GB | 0.87 GB | 80.36 GB | 极限压缩尝鲜 |
🖥️ 主流显卡、Mac 与国产卡运行 Step-3.5-Flash (196B MoE) (Q4_K_M) 兼容性列表
常见问题解答 (FAQ)
Step-3.5-Flash (196B MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?
Step-3.5-Flash (196B MoE) 底层架构为 Step3p5ForCausalLM,共 45 层(45 层 3:1 滑动窗口混合注意力 (36 层 SWA + 12 层全局注意力) · 288 路由专家激活 8 个),隐藏层维度 hidden_size=4096,注意力头配置为 64 个 Query 头 / 8 个 KV 头(head_dim=128),词表大小 vocab_size=128,896,原生上下文窗口 262,144 tokens。
Step-3.5-Flash (196B MoE) 本地部署至少需要多少 GB 显存?
在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Step-3.5-Flash (196B MoE) 共需约 123.02 GB 显存(含权重 119.31 GB + KV 缓存 0.87 GB + 系统开销 2.84 GB)。无损 FP16/BF16 则需约 402.8 GB。
Step-3.5-Flash (196B MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?
依据官方 generation_config.json 与最佳实践,在「深度推理与 Agent 编程模式」下建议设置 temperature=1、top_p=0.95。