Stepfun Open-Sources Step 3.7 Flash LLM for Agents

•Step 3.7 Flash 是一款多模態模型，結合了 196B 語言骨幹和 1.8B 視覺編碼器，可實現原生圖像和影片理解，並支援 256K 的上下文視窗。
•該模型提供可選的推理級別（低/中/高），開發人員可以根據任務複雜度動態調整速度、成本和推理深度，而無需切換模型。
•Step 3.7 Flash 在多個代理任務基準測試中表現出色，包括 SWE-bench Verified 達到 74.4%、Terminal-Bench 2.0 達到 51.0%，以及 ClawEval-1.1 領先達到 67.1%。
•該模型以每百萬輸入 token 0.20 美元、每百萬輸出 token 1.15 美元的價格提供，在成本效益上與西方中階模型（如 Gemini 2.5 Flash 和 Claude Sonnet 4.6）具有競爭力。
•除了透過 API 存取外，Step 3.7 Flash 還提供 GGUF 量化版本，支援在具備 128GB RAM 的硬體上進行本地部署和推理，降低了開發者的進入門檻。

📊 競品分析▸ Show

特性/模型	Step 3.7 Flash	Anthropic Claude Opus 4.8	DeepSeek V4 Flash	Mistral Devstral 2	Qwen3.6-27B
總參數	196B (11B 活躍)	N/A	N/A	123B	27B
上下文視窗	256K tokens	1M tokens	長上下文	256K tokens	N/A
輸入價格 (每百萬 token)	$0.20	$5.00	較低	N/A	N/A
輸出價格 (每百萬 token)	$1.15	$25.00	較低	N/A	N/A
推理速度	400 token/秒	N/A	更快	N/A	N/A
SWE-bench Verified	74.4% (SWE-bench Pro: 56.26%)	N/A	55.6% (Flash)	72.2% (自報)	N/A
Terminal-Bench 2.0	51.0%	N/A	N/A	N/A	59.3% (與 Claude 4.5 Opus 相當)
ClawEval-1.1	67.1% (領先)	N/A	N/A	N/A	N/A
多模態	原生圖像/影片理解	支援文字、圖像、檔案輸入	N/A	N/A	N/A
工具調用	原生支援	支援	N/A	支援	N/A

模型架構: 稀疏 MoE (Mixture-of-Experts) 架構，總參數為 196B，每個 token 激活約 11B 參數。
多模態能力: 結合 196B 語言骨幹和 1.8B 視覺編碼器，實現原生圖像和影片理解，視覺模組使用 728x728 像素的圖像大小。
上下文視窗: 支援 256K token 的長上下文視窗，採用 3:1 滑動視窗注意力機制以實現成本效益處理。
推理效能: 透過 MTP-3 (Multi-Token Prediction) 加速技術，實現每秒 100-300 token 的吞吐量，編碼任務峰值可達 350 token/秒，整體最高可達 400 token/秒。
推理級別: 提供三種可選的推理級別（低、中、高），可透過 API 參數 (reasoning_effort 或 output_config.effort) 進行控制，以平衡速度、成本和推理深度。
軟體整合與硬體支援: 支援 vLLM 和 SGLang 等運行時引擎，並可在 NVIDIA Blackwell (B200, B100, GB200) 和 NVIDIA Hopper (H100, H200) GPU 加速系統上運行。
本地部署: 提供 BF16、Q8_0、Q4_K_S、IQ4_XS、Q3_K_L、Q3_K_M 等 GGUF 量化格式，可在具備 128GB RAM 的硬體上進行本地推理。
授權: 採用 Apache 2.0 開源授權。
優化用途: 專為編碼、代理工作流程、結構化輸出和長上下文生產力任務設計。

Stepfun 的競爭性定價和功能將加劇中階 AI 代理模型市場的競爭。

其每百萬輸入/輸出 token 0.20 美元/1.15 美元的定價以及與 Gemini 2.5 Flash 和 Claude Sonnet 4.6 等模型相當的功能，提供了一個可信且成本較低的替代方案，可能迫使西方供應商調整定價。

該模型的多模態能力和代理優化將加速複雜 AI 代理在實際應用中的開發和部署。

原生圖像/影片理解、強大的工具調用功能以及在代理基準測試中的出色表現，使其非常適合編碼、金融和智慧終端等領域的複雜任務，從而促進更廣泛的採用。

Stepfun 的開源策略和本地部署選項將使先進的 AI 代理技術民主化。

透過 Hugging Face 和 NVIDIA NIM 的可用性，以及用於在消費級硬體上進行本地託管的 GGUF 量化版本，降低了開發人員和企業的進入門檻。

2023-04

StepFun (上海階躍星辰智能科技有限公司) 成立

2024-12

Stepfun 完成數億美元融資，投資者包括騰訊和上海國有資本投資公司

2025-07

StepFun 在世界人工智能大會上宣布成立「模型-晶片生態創新聯盟」

2026-01

Stepfun 完成約 7.19 億美元的 B+ 輪融資，並任命尹琪為董事長

2026-02

Step-3.5-Flash 模型發布，採用 Apache 2.0 授權

2026-05-28

Stepfun 發布 Step 3.7 Flash 模型

Stepfun 開源專為 AI Agent 設計的 Step 3.7 Flash 模型