Step 3.5 Flash is het schaarse mixture-of-experts-tekstmodel van StepFun voor redenering en agentgericht werk. De gepubliceerde specificatie vermeldt in totaal 196,81 miljard parameters, inclusief de voorspellingskop; het model activeert ongeveer 11B parameters per token. Het verwerkt geschreven instructies en gesprekken om tekst, code en voorgestelde toolinteracties te genereren.
De basisarchitectuur met 45 lagen combineert sliding-window attention en full attention in een verhouding van drie op één en ondersteunt een context van 256K. Elke expertlaag heeft 288 gerouteerde experts plus een gedeelde expert, waarbij per token acht gerouteerde experts worden geselecteerd. Een kop voor voorspelling van meerdere tokens maakt deel uit van het efficiëntieontwerp van de producent. Deze architectuurkeuzes beschrijven het model; de snelheid van een bepaalde toepassing hangt ook af van de servingopstelling en werklast.
De centrale taakgebieden zijn redenering, programmeren en langere agentworkflows. Geef voor een softwareopdracht het verwachte gedrag, de relevante broncode en een werkelijke fout of gevraagde wijziging mee. Vraag om het voorgestelde resultaat en de controles die nodig zijn om het te beoordelen. Geef in een verbonden toepassing de resultaten van commando's en controles terug voordat het model de volgende stap kiest.
Bepaal voor analyse met lange context de vraag en de relevante secties van het materiaal. Een bruikbaar verslag benoemt de conclusie, het ondersteunende bewijsmateriaal en elke ontbrekende waarneming. Houd het huidige doel en eerdere bevestigde bevindingen beschikbaar in vervolgbeurten, zodat het model kan voortbouwen op de taakstatus in plaats van die uit een onvolledige prompt te reconstrueren.
StepFun publiceert integratie- en lokale implementatierecepten voor programmeer- en onderzoekstoepassingen. Tooluitvoering behoort tot de omringende workflow: het model levert de voorgestelde actie, de toepassing voert die uit en geeft de uitkomst terug. Afzonderlijke geconverteerde of gekwantiseerde bestanden hebben hun eigen implementatievoorwaarden; de algemene modelnaam kiest er geen uit.
De door de producent gemelde problemen zijn concreet. Het model kan lange generatietrajecten gebruiken en de stabiliteit kan afnemen in gespecialiseerde domeinen of uitgebreide gesprekken met meerdere beurten. Gemelde symptomen zijn herhalende redenering, uitvoer in gemengde talen en inconsistenties over tijd of identiteit. Geef de antwoordtaal en de huidige taak duidelijk aan, behoud de relevante waarnemingen en toets het eindresultaat aan het gestelde doel. Houd deze teksteditie gescheiden van Step 3.7 Flash met zijn toegevoegde vision-encoder en beeldinvoer.
", "aboutText": "Step 3.5 Flash is het schaarse mixture-of-experts-tekstmodel van StepFun voor redenering en agentgericht werk. De gepubliceerde specificatie vermeldt in totaal 196,81 miljard parameters, inclusief de voorspellingskop; het model activeert ongeveer 11B parameters per token. Het verwerkt geschreven instructies en gesprekken om tekst, code en voorgestelde toolinteracties te genereren.\n\nDe basisarchitectuur met 45 lagen combineert sliding-window attention en full attention in een verhouding van drie op één en ondersteunt een context van 256K. Elke expertlaag heeft 288 gerouteerde experts plus een gedeelde expert, waarbij per token acht gerouteerde experts worden geselecteerd. Een kop voor voorspelling van meerdere tokens maakt deel uit van het efficiëntieontwerp van de producent. Deze architectuurkeuzes beschrijven het model; de snelheid van een bepaalde toepassing hangt ook af van de servingopstelling en werklast.\n\nDe centrale taakgebieden zijn redenering, programmeren en langere agentworkflows. Geef voor een softwareopdracht het verwachte gedrag, de relevante broncode en een werkelijke fout of gevraagde wijziging mee. Vraag om het voorgestelde resultaat en de controles die nodig zijn om het te beoordelen. Geef in een verbonden toepassing de resultaten van commando's en controles terug voordat het model de volgende stap kiest.\n\nBepaal voor analyse met lange context de vraag en de relevante secties van het materiaal. Een bruikbaar verslag benoemt de conclusie, het ondersteunende bewijsmateriaal en elke ontbrekende waarneming. Houd het huidige doel en eerdere bevestigde bevindingen beschikbaar in vervolgbeurten, zodat het model kan voortbouwen op de taakstatus in plaats van die uit een onvolledige prompt te reconstrueren.\n\nStepFun publiceert integratie- en lokale implementatierecepten voor programmeer- en onderzoekstoepassingen. Tooluitvoering behoort tot de omringende workflow: het model levert de voorgestelde actie, de toepassing voert die uit en geeft de uitkomst terug. Afzonderlijke geconverteerde of gekwantiseerde bestanden hebben hun eigen implementatievoorwaarden; de algemene modelnaam kiest er geen uit.\n\nDe door de producent gemelde problemen zijn concreet. Het model kan lange generatietrajecten gebruiken en de stabiliteit kan afnemen in gespecialiseerde domeinen of uitgebreide gesprekken met meerdere beurten. Gemelde symptomen zijn herhalende redenering, uitvoer in gemengde talen en inconsistenties over tijd of identiteit. Geef de antwoordtaal en de huidige taak duidelijk aan, behoud de relevante waarnemingen en toets het eindresultaat aan het gestelde doel. Houd deze teksteditie gescheiden van Step 3.7 Flash met zijn toegevoegde vision-encoder en beeldinvoer.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Repair a stale accumulator default\n\nReview this Python function: def collect(value, items=[]): items.append(value); return items. Separate calls unexpectedly share earlier values. Propose a correction that preserves caller-supplied list mutation but creates a fresh list when the argument is omitted. Include tests for two omitted-argument calls and a call with an explicit list. Explain the changed default behavior.A corrected function and tests distinguishing fresh defaults from deliberate mutation of a supplied list.Omitted calls do not share state, while an explicit caller list retains the documented mutation behavior.stepfun/step-3.5-flashStep 3.5 Flash van StepFun is een schaars tekstmodel voor redenering, code en agentworkflows. Het activeert ongeveer 11B parameters uit een model in de klasse van 196B, combineert sliding attention met full attention en ondersteunt een context van 256K.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Step 3.5 Flash is het schaarse mixture-of-experts-tekstmodel van StepFun voor redenering en agentgericht werk. De gepubliceerde specificatie vermeldt in totaal 196,81 miljard parameters, inclusief de voorspellingskop; het model activeert ongeveer 11B parameters per token. Het verwerkt geschreven instructies en gesprekken om tekst, code en voorgestelde toolinteracties te genereren.
De basisarchitectuur met 45 lagen combineert sliding-window attention en full attention in een verhouding van drie op één en ondersteunt een context van 256K. Elke expertlaag heeft 288 gerouteerde experts plus een gedeelde expert, waarbij per token acht gerouteerde experts worden geselecteerd. Een kop voor voorspelling van meerdere tokens maakt deel uit van het efficiëntieontwerp van de producent. Deze architectuurkeuzes beschrijven het model; de snelheid van een bepaalde toepassing hangt ook af van de servingopstelling en werklast.
De centrale taakgebieden zijn redenering, programmeren en langere agentworkflows. Geef voor een softwareopdracht het verwachte gedrag, de relevante broncode en een werkelijke fout of gevraagde wijziging mee. Vraag om het voorgestelde resultaat en de controles die nodig zijn om het te beoordelen. Geef in een verbonden toepassing de resultaten van commando's en controles terug voordat het model de volgende stap kiest.
Bepaal voor analyse met lange context de vraag en de relevante secties van het materiaal. Een bruikbaar verslag benoemt de conclusie, het ondersteunende bewijsmateriaal en elke ontbrekende waarneming. Houd het huidige doel en eerdere bevestigde bevindingen beschikbaar in vervolgbeurten, zodat het model kan voortbouwen op de taakstatus in plaats van die uit een onvolledige prompt te reconstrueren.
StepFun publiceert integratie- en lokale implementatierecepten voor programmeer- en onderzoekstoepassingen. Tooluitvoering behoort tot de omringende workflow: het model levert de voorgestelde actie, de toepassing voert die uit en geeft de uitkomst terug. Afzonderlijke geconverteerde of gekwantiseerde bestanden hebben hun eigen implementatievoorwaarden; de algemene modelnaam kiest er geen uit.
De door de producent gemelde problemen zijn concreet. Het model kan lange generatietrajecten gebruiken en de stabiliteit kan afnemen in gespecialiseerde domeinen of uitgebreide gesprekken met meerdere beurten. Gemelde symptomen zijn herhalende redenering, uitvoer in gemengde talen en inconsistenties over tijd of identiteit. Geef de antwoordtaal en de huidige taak duidelijk aan, behoud de relevante waarnemingen en toets het eindresultaat aan het gestelde doel. Houd deze teksteditie gescheiden van Step 3.7 Flash met zijn toegevoegde vision-encoder en beeldinvoer.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten stepfun/step-3.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00022 / 1K tokens Uitvoer · Uitvoertokens $0.00066 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00022 / 1K tokens Uitvoer · Uitvoertokens $0.00066 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-3.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='stepfun/step-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='stepfun/step-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra stepfun/step-3.5-flash
Gebruik de hierboven getoonde methodepaden.
stepfun/step-3.5-flashStep 3.5 Flash van StepFun is een schaars tekstmodel voor redenering, code en agentworkflows. Het activeert ongeveer 11B parameters uit een model in de klasse van 196B, combineert sliding attention met full attention en ondersteunt een context van 256K.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Step 3.5 Flash is het schaarse mixture-of-experts-tekstmodel van StepFun voor redenering en agentgericht werk. De gepubliceerde specificatie vermeldt in totaal 196,81 miljard parameters, inclusief de voorspellingskop; het model activeert ongeveer 11B parameters per token. Het verwerkt geschreven instructies en gesprekken om tekst, code en voorgestelde toolinteracties te genereren.
De basisarchitectuur met 45 lagen combineert sliding-window attention en full attention in een verhouding van drie op één en ondersteunt een context van 256K. Elke expertlaag heeft 288 gerouteerde experts plus een gedeelde expert, waarbij per token acht gerouteerde experts worden geselecteerd. Een kop voor voorspelling van meerdere tokens maakt deel uit van het efficiëntieontwerp van de producent. Deze architectuurkeuzes beschrijven het model; de snelheid van een bepaalde toepassing hangt ook af van de servingopstelling en werklast.
De centrale taakgebieden zijn redenering, programmeren en langere agentworkflows. Geef voor een softwareopdracht het verwachte gedrag, de relevante broncode en een werkelijke fout of gevraagde wijziging mee. Vraag om het voorgestelde resultaat en de controles die nodig zijn om het te beoordelen. Geef in een verbonden toepassing de resultaten van commando's en controles terug voordat het model de volgende stap kiest.
Bepaal voor analyse met lange context de vraag en de relevante secties van het materiaal. Een bruikbaar verslag benoemt de conclusie, het ondersteunende bewijsmateriaal en elke ontbrekende waarneming. Houd het huidige doel en eerdere bevestigde bevindingen beschikbaar in vervolgbeurten, zodat het model kan voortbouwen op de taakstatus in plaats van die uit een onvolledige prompt te reconstrueren.
StepFun publiceert integratie- en lokale implementatierecepten voor programmeer- en onderzoekstoepassingen. Tooluitvoering behoort tot de omringende workflow: het model levert de voorgestelde actie, de toepassing voert die uit en geeft de uitkomst terug. Afzonderlijke geconverteerde of gekwantiseerde bestanden hebben hun eigen implementatievoorwaarden; de algemene modelnaam kiest er geen uit.
De door de producent gemelde problemen zijn concreet. Het model kan lange generatietrajecten gebruiken en de stabiliteit kan afnemen in gespecialiseerde domeinen of uitgebreide gesprekken met meerdere beurten. Gemelde symptomen zijn herhalende redenering, uitvoer in gemengde talen en inconsistenties over tijd of identiteit. Geef de antwoordtaal en de huidige taak duidelijk aan, behoud de relevante waarnemingen en toets het eindresultaat aan het gestelde doel. Houd deze teksteditie gescheiden van Step 3.7 Flash met zijn toegevoegde vision-encoder en beeldinvoer.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten stepfun/step-3.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00022 / 1K tokens Uitvoer · Uitvoertokens $0.00066 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00022 / 1K tokens Uitvoer · Uitvoertokens $0.00066 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "stepfun/step-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra stepfun/step-3.5-flash
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Repair a stale accumulator default\n\nReview this Python function: def collect(value, items=[]): items.append(value); return items. Separate calls unexpectedly share earlier values. Propose a correction that preserves caller-supplied list mutation but creates a fresh list when the argument is omitted. Include tests for two omitted-argument calls and a call with an explicit list. Explain the changed default behavior.A corrected function and tests distinguishing fresh defaults from deliberate mutation of a supplied list.Omitted calls do not share state, while an explicit caller list retains the documented mutation behavior.