自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 3 个模型的评测数据与核心参数。
Step 3.5 Flash
StepFunAI
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: AI Agent - 信息收集 +8.4 / 相对落后: 综合评估 -10.3
相对优势: 综合评估 +10.3 / 相对落后: AI Agent - 信息收集 -8.4
相对优势: 暂无明显优势 / 相对落后: 数学推理 -6.7
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
Qwen3-Max-Thinking · 81.50
单项最高
Step 3.5 Flash · AIME2025 99.80
模态覆盖
Kimi K2.5 · 2 种模态
完整列出各模型/模式的评测得分，便于横向比较。
10 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Step 3.5 Flash | Kimi K2.5 | Qwen3-Max-Thinking |
|---|---|---|---|
ARC-AGI 综合评估 | 56.50开启思考 ｜ 工具 | 65.30开启思考 | -- |
LiveCodeBench 编程与软件工程 | 86.40开启思考 | 85.00开启思考 | 85.90开启思考 |
SWE-bench Verified 编程与软件工程 | 74.40开启思考 | 76.80开启思考 ｜ 工具 | 75.30开启思考 |
AIME2025 数学推理 | 99.80开启思考 ｜ 工具 | 96.10开启思考 | -- |
IMO-AnswerBench 数学推理 | 86.70开启思考 ｜ 工具 | 81.80开启思考 | 83.90开启思考 |
τ²-Bench Agent能力评测 | 88.20开启思考 ｜ 工具 | -- | 82.10开启思考 ｜ 工具 |
BrowseComp AI Agent - 信息收集 | 69.00开启思考 ｜ 工具 | 60.60开启思考 ｜ 工具 | -- |
Terminal Bench 2.0 AI Agent - 工具使用 | 51.00开启思考 ｜ 工具 | 50.80开启思考 ｜ 工具 | -- |
Claw Bench OpenClaw智能体能力综合测评 | 84.90开启思考 ｜ 工具 | 81.70开启思考 ｜ 工具 | -- |
Pinch Bench OpenClaw智能体能力综合测评 | 85.30开启思考 ｜ 工具 | 84.80开启思考 ｜ 工具 | 80.30开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Step 3.5 FlashStepFunAI | Kimi K2.5Moonshot AI | Qwen3-Max-Thinking阿里巴巴 |
|---|---|---|---|
核心规格发布时间 | 2026-02-02 | 2026-01-27 | 2026-01-26 |
上下文 | 256K | 256K | 1000K |
参数量 | 1960 | 10000 | 10000 |
激活参数量 | 110 | 320 | 未提供 |
最大输出 | 16384 | 16384 | 32768 |
MoE 架构 | 支持 | 支持 | 支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 | 未提供 |
商业授权 | 免费商用授权 | 免费商用授权 | 不开源 |
模态支持文本 输入/输出 | / | / | / |
图片 输入/输出 | / | / | / |
音频 输入/输出 | / | / | / |
视频 输入/输出 | / | / | / |
Embedding 输入/输出 | / | / | / |
资料来源论文 / 报告 | Step 3.5 Flash | Kimi K2.5: Visual Agentic Intelligence | Qwen3-Max-Thinking: Pushing the Limits of Reasoning via Test-Time Scaling |
DataLearner 博客 | 阶跃星辰StepFun开源激活参数只有11B的Step-3.5-Flash模型，但是评测结果和Kimi K2.5、Qwen3-Max-Thinking差不多，最高推理速度可以达到350tokens/s！ | 重磅！Kimi K2.5发布，依然免费开源！原生多模态MoE架构，全球最大规模参数的开源模型之一，官方评测结果比肩诸多闭源模型！可以驱动100个子Agent执行！ | 未提供 |
Kimi K2.5
Moonshot AI
