阶跃星辰发布 Step 3.7 Flash：198B 参数 MoE 视觉语言模型，支持 256K 上下文与三级推理，吞吐量达 400 tok/s，专为高频代理工作流打造

阶跃星辰（StepFun）正式推出 Step 3.7 Flash，一款拥有 1980 亿参数 的稀疏混合专家（MoE）视觉语言模型。该模型将 1960 亿参数的语言主干与 18 亿参数的视觉编码器深度融合，专为处理高频、密集型的生产级代理工作流而设计，旨在平衡速度、成本与认知深度。

• 官方介绍：https://static.stepfun.com/blog/step-3.7-flash/
• GitHub：https://github.com/stepfun-ai/Step-3.7-Flash
• HuggingFace：https://huggingface.co/stepfun-ai/Step-3.7-Flash
• ModelScope：https://modelscope.cn/models/stepfun-ai/Step-3.7-Flash
• GGUF：https://huggingface.co/stepfun-ai/Step-3.7-Flash-GGUF

核心亮点：高性能、长上下文、灵活推理

1. 极致吞吐与高效激活

• 稀疏架构：总参数 198B，每 Token 仅激活约 110 亿参数，大幅降低计算成本。
• 高速推理：吞吐量高达 400 tokens/秒，满足实时交互与高并发需求。
• 超长上下文：支持 256K 上下文窗口，轻松处理海量文档、代码库及长视频内容。

2. 三级推理控制

提供 低、中、高 三个可选推理级别，开发者可根据任务复杂度灵活调整，在响应速度、Token 消耗与思维深度之间找到最佳平衡点。

3. 广泛部署与生态兼容

• 多平台可用：已在 StepFun 开放平台（全球/中国）、OpenRouter、NVIDIA NIM 上线；即将接入 DeepInfra、Fireworks AI 和 Modal。
• 开源支持：完美兼容 vLLM、SGLang、Hugging Face Transformers、llama.cpp 等主流推理框架。
• 本地部署：可在配备至少 128GB 统一内存 的高内存设备（如 Mac Studio/Pro）上运行，保障数据隐私。

卓越能力：视觉智能与工程可靠性

1. 顶级多模态感知与验证

• 基准领先：在 SimpleVQA（搜索增强视觉问答）中以 79.2 分位居第一；在 V (Python)* 上以 95.3 分达到前沿水平。
• 复杂界面理解：能精准解析 UI 线框、应用 GUI 及数据图表，并将其映射为结构化代码。
• 自主验证：面对不完整视觉资产，模型能识别缺失数据并执行查找验证，返回经事实核查的结论。

2. 稳健的工作流编排

• 抗干扰能力强：在 ClawEval-1.1 基准测试中以 67.1 分领先，显著优于第二名（59.8 分），展现了对对抗性陷阱的高抵抗力。
• 工具调用可靠：在 Toolathlon（49.5 分）和 HLE w. Tool（48.1 分）中表现优异，确保长时程多步任务中不偏离指令、严格遵守系统约束。

3. 专业的代码工程能力

• 独立修复 Bug：在 SWE-Bench PRO 上以 56.3 分稳居第二，能独立追踪多文件仓库，隔离 Bug 并生成通过单元测试的功能性补丁。
• 系统交互基线：在 Terminal-Bench 2.1（59.5 分）等测试中建立了可靠的系统交互与结构化交付基线。

极具竞争力的定价策略

Step 3.7 Flash 致力于降低大规模应用的成本门槛：

注：极高的缓存命中率可大幅降低长期运行成本，特别适合重复性高的代理工作流。

适用场景

• 密集文档解析：一次性处理数百页财务报告、法律合同或技术手册，提取关键信息。
• 多步搜索代理：运行带有跨源验证的复杂搜索循环，确保信息准确性。
• 并发编码代理：在高吞吐量管道中同时操作多个代码库，进行 Bug 修复或功能开发。
• UI 自动化测试：解析应用界面，生成测试脚本或辅助无障碍功能开发。

无论是构建自主 AI 代理、处理海量多模态数据，还是部署本地化智能应用，Step 3.7 Flash 都是一个值得关注的强大选择。