阶跃星辰
Step 3.5 Flash (High)
推理模型实战排名#43SQBench · 45 个模型
模型分析
Step 3.5 Flash (High) 是一款开源推理模型，支持文本输入、文本输出，拥有 25.6 万 Token 上下文窗口，定价在同类参评模型中处于低位。
在 SQBench 实战能力评测中，该模型得分为 28.4，排名处于后段；模型可靠度为 73.6%，幻觉率为 10.5%；完成整套评测共消耗 35.1M Token、11.0 小时和 1.86美元。
分项能力层面，动态代码逻辑和软件工程是相对优势；长文本推理和深度研究表现相对偏弱。
查看《Step 3.5 Flash (High) 实战能力评测报告》 ↗技术参数
- 推理模式
- 推理 / Low、High
- 输入模态
- 文本
- 输出模态
- 文本
- 上下文长度
- 256K
- 总参数量
- 196B
- 激活参数量
- 11B
- 发布日期
- 2026-02
实战能力#43/45
28.4
幻觉率#45/45
10.5%
评测成本#6/45
1.86$
完成耗时#19/45
11.0h
Token 消耗#27/45
35.1M
实战能力
基于任务通过情况衡量模型在真实业务任务中的稳定交付表现，越高表示可稳定完成的任务比例越高。
细分能力
从基础执行、复合工作流和业务场景三个层面，比较模型在不同类型实战任务中的表现。
| 能力 / 模型 | ||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| L1 原子能力 | ||||||||||||||||||||
| 指令遵循 | ||||||||||||||||||||
| 长文本推理 | ||||||||||||||||||||
| 动态代码逻辑 | ||||||||||||||||||||
| 鲁棒性与边界 | ||||||||||||||||||||
| L2 复合技能 | ||||||||||||||||||||
| 数据分析 | ||||||||||||||||||||
| 软件工程 | ||||||||||||||||||||
| 深度研究 | ||||||||||||||||||||
| 办公协作 | ||||||||||||||||||||
| L3 业务场景 | ||||||||||||||||||||
| 金融 | ||||||||||||||||||||
| 工业 | ||||||||||||||||||||
| 医疗 | ||||||||||||||||||||
| 政务 |
成本效率
展示模型完成 SQBench 实战任务所需的评测成本、完成耗时和 Token 消耗，用于辅助判断规模化使用成本。
评测成本（USD） · 数值越低，投入越少
左右滑动查看完整榜单
Step 3.5 Flash (High)阶跃星辰
- 实战能力
- 28.4%
- 评测成本
- $1.86
- 完成耗时
- 11.02 小时
- Token 消耗
- 35.13M
性价比
对比模型实战能力与可靠度、评测成本、完成耗时和 Token 消耗，辅助判断不同模型的部署价值。
左右滑动查看完整图表
虚线为筛选范围内全部模型的中位数：实战能力 51.36%，可靠度 83.16%。浅色区域仅作相对比较。