StepFun · 2026-03 · 稀疏 MoE

Step-3.5-Flash

Step-3.5-Flash 是 StepFun 於 2026-03 發布的 多頭注意力(MHA) Transformer,共 45 層,隱藏維度 4096,上下文視窗 262,144 個 token。

層堆疊

注意力 ×12 滑動視窗 ×33 · 層數 45

關鍵參數

實驗室StepFun
發布時間2026-03
總參數196 B
激活參數11 B
上下文262,144 tokens
注意力MHA (64:64)
層數45
隱藏維度4,096
注意力頭64
詞表128,896
位置編碼RoPE
正規化
激活函數
訓練精度bf16
架構類別Step3p5ForCausalLM

架構概覽

t₁ t₂ t₃ t₄ 輸入 token Embedding · 詞表 128,896 → 隱藏維度 4,096 Q1 Q2 Q3 Qn KV1 KV2 KV3 KVn 注意力頭 64 KV 頭 64 head dim 128 · RoPE 路由器 E1 E2 E3 E4 E5 E6 E7 E8 +280… 共享专家 ×1 288 专家选 top-8 · 每 token 约激活 11B 参数 × 45 Transformer 块 注意力 前饋 / MoE pre-norm 最終正規化 · LM head → 詞表 128,896 p p p → 下一 token MTP ×3 → +3 个未来 token 位置編碼 RoPE 訓練精度 BF16 上下文 256K tok
依據隨權重發布的 config.json 繪製 · 45 層 / 寬 4,096 / 上下文 262,144。本圖為本站原創示意圖。

注意力

多頭注意力(MHA) — 64 q-heads / 64 kv-heads. RoPE θ=NaN.

前饋 / MoE

它是稀疏混合專家模型:288 個路由專家、top-8 路由;每個 token 約激活 11B 參數。

設定中包含 3 個額外的多 token 預測(MTP)層,用於加速解碼。

欄位級對比

對比對象為同實驗室的上一代模型;無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。

與前代 Step-3 的全欄位對比
模型Step-3.5-FlashStep-3倍數
model_typestep3p5step3_vl
architecturesStep3p5ForCausalLMStep3VLForConditionalGeneration
hidden_size40967168×0.571
num_hidden_layers4561×0.738
num_attention_heads6464≈1
head_dim128256×0.500
intermediate_size1126418432×0.611
moe_intermediate_size12805120×0.250
rope_theta5000000.0×12 + 10000.0×36500000
max_position_embeddings262144
sliding_window512
vocab_size128896128815≈1
torch_dtypebfloat16bfloat16
num_nextn_predict_layers3
yarn_only_typesfull_attention×1
max_seq_len26214465536×4.00
use_qk_normtrue
moe_layers_enum3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,444,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59
num_attention_groups81×8.00
use_moetrue
moe_num_experts28848×6.00
moe_top_k83×2.67
share_expert_dim12805120×0.250
moe_layer_offset0
moe_every_n_layer1
norm_expert_weighttruefalse

結構最相似的模型

相似度取值範圍 0(無共同類別特徵)到 1(結構輪廓完全一致)。

原始 config 欄位

41 個欄位
architecturesStep3p5ForCausalLM
model_typestep3p5
yarn_only_typesfull_attention×1
hidden_size4096
intermediate_size11264
num_hidden_layers45
max_seq_len262144
vocab_size128896
torch_dtypebfloat16
use_qk_normtrue
moe_layers_enum3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44
num_attention_heads64
num_attention_groups8
head_dim128
use_moetrue
moe_num_experts288
moe_top_k8
moe_intermediate_size1280
share_expert_dim1280
moe_layer_offset0
moe_every_n_layer1
norm_expert_weighttrue
moe_router_activationsigmoid
moe_router_scaling_factor3
att_impl_typeGQA
tie_word_embeddingsfalse
rope_theta5000000.0×12 + 10000.0×36
use_head_wise_attn_gatetrue
sliding_window512
use_moe_router_biastrue
need_fp32_gatetrue
sinkfalse
layer_typesfull_attention×12 + sliding_attention×36
num_nextn_predict_layers3
partial_rotary_factors0.5×12 + 1.0×36
eos_token_id1×1 + 2×1 + 128007×1
bos_token_id0
swiglu_limits0.0×46 + 7×2
swiglu_limits_shared0.0×47 + 16×1
zero_centeredtrue
max_position_embeddings262144