Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Stepfun · pașaport de model

StepFun: Step 3.5 Flash

step-3-5-flash

Ponderi deschise
Licență Apache 2.0
199.4B parametri
262,144 context
Lansat 2026-02-01(repo HF creat)

General · LMArena: 1,393#158 din 396
Cea mai bună percentilă: 73.5IFBench (Artificial Analysis)
Poziția în cohortă: 54.9mediană 56.4

Ce spun datele

Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 47,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 73.5 pct pe IFBench (Artificial Analysis) față de 25.6 pct pe Factuality Arena.

IFBench (Artificial Analysis)73.5 pct64.6%Verifică →
Programare63.4 pct1,449Verifică →
Urmarea instrucțiunilor61.4 pct1,384Verifică →
General60.4 pct1,393Verifică →
Prompturi dificile59.6 pct1,412Verifică →
Factuality Arena25.6 pct1,416Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorystepfun-ai/Step-3.5-Flash

Parametri199.4B

ArhitecturăStep3p5ForCausalLM

LicențăApache 2.0

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "stepfun-ai/Step-3.5-Flash"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIstepfun/step-3.5-flash

Lungime context262,144 tokeni

Ieșire maximă65,536 tokeni

Preț intrare$0.10 per 1M tokeni

Preț ieșire$0.30 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningMax tokensReasoningTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"stepfun/step-3.5-flash","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

step-3.5-flash stands at 54.9 (raw mean 57.3) — measured on 6 of 27 axes.
pozițieșablonVerifică →
step-3.5-flash stands at 54.9 versus a cohort median of 56.4 across 110 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →