Step 3.7 Flash

Step 3.7 Flash：重塑智能体效率的先锋多模态大模型

在人工智能技术飞速发展的 2026 年，智能体的效率已成为技术竞争的新前沿。Step 3.7 Flash 作为一款专为现实世界智能体打造的高效 Flash 级别模型，正式于 2026 年 5 月 29 日发布。其核心使命是通过“看（See）、思（Think）、行（Act）”的有机结合，为开发者和企业提供极致的推理速度与卓越的执行能力。

什么是 Step 3.7 Flash？

Step 3.7 Flash 是由 StepFun 研发的最新一代 Flash 级大模型。它不仅具备极高的吞吐量（最高可达 400 TPS），更在架构设计上专注于智能体（Agent）的实际应用需求。Step 3.7 Flash 被定位为智能体基座模型，旨在解决从感知到行动的闭环挑战，使其在复杂的数字化办公、软件工程及多模态交互场景中能够游刃有余。

“智能体效率是新一代模型竞争的关键。” Step 3.7 Flash 正是通过原生多模态理解与精准的工具调用，打破了传统模型在执行长链路任务时的瓶颈。

Step 3.7 Flash 核心功能特性

1. 原生多模态理解与行动能力

Step 3.7 Flash 能够跨范围理解多种图像类型，包括产品 UI 界面、各类文档、复杂图表以及自然场景。它不仅能“看懂”，还能在此基础上编写代码或调用相关工具进行响应，实现从感知到执行的无缝衔接。

2. 网页与视觉搜索增强

该模型在搜索深度与广度上进行了深度优化：

• 网页搜索：覆盖更多来源，支持更深层次的追问与信息过滤。
• 视觉搜索：能够识别竞争对手难以捕捉的“长尾实体”和刚出现的新概念，极大地增强了信息的实时性。

3. 可靠的工具调用与编排

Step 3.7 Flash 具备驱动终端（Terminal）、浏览器、Office 办公工具及搜索模块的能力。即便在长周期的运行任务中，也能保持高度的逻辑连贯性，减少了工具调用中断（Broken toolcalls）和任务失败的情况。

4. 智能体生态兼容性

为了降低集成成本，Step 3.7 Flash 深度适配了主流的智能体框架，如 Claude Code、KiloCode、Hermes Agent 和 OpenClaw。开发者无需大规模重构现有工作流即可快速接入。

核心技术：Agentic Coding 与 Advisor Mode

在 Agentic Coding（智能体编程）领域，Step 3.7 Flash 表现尤为突出。代码是数字化智能体执行“计划-执行-观察-迭代”闭环的最纯粹形式。相比于前代模型，Step 3.7 Flash 在 SWE-Bench Pro 上提升了 5%，在 Terminal-Bench 2.1 上提升了 6.1%。

Advisor Mode：平衡性能与成本

为了在保持 Flash 级别效率的同时追求极致质量，Step 3.7 Flash 引入了 Advisor Mode（顾问模式）：

• 执行者模型：Step 3.7 Flash 负责全流程的端到端执行，包括调用工具和处理结果。
• 顾问模型：仅在规划受阻或遇到重复失败等关键拐点时，咨询更大规模的顾问模型。

这种策略使得 Step 3.7 Flash 能够以约 1/9 的成本（每项任务仅 $0.19，而 Claude Opus 4.6 需要 $1.76），达到顶级模型 97% 的编程性能，显著提升了生产环境下的投资回报率。

企业级应用与深层搜索行为

企业级任务优化

Step 3.7 Flash 针对企业办公环境进行了深度优化，尤其是在财务、会计和数据分析领域。通过与行业专家的深度合作，模型内置了专业知识。在 GDPval 职业评估中，它涵盖了 44 个职业场景，准确率达到 45.8%。

深度搜索与行为轨迹

在复杂的搜索任务中，Step 3.7 Flash 不再仅仅是 pack 知识，而是学会了如何“调用”知识。例如在法律冲突审查案例中，它能结合论文、官方规则和案例分析，捕捉到问题中隐藏的复杂陷阱，在 DeepSearchQA 任务中 F1 分数高达 92.82%。

视觉智能体：Agents That Can SEE

Step 3.7 Flash 强化了对视觉工具的调用能力：

• Python 工具集成：支持裁剪（Crop）、缩放（Zoom）、像素绘图及边界框定位。在 V* 视觉感知测试中获得 95.29% 的高分。
• GUI 操作：特别针对手机端（Phone-use）进行了优化。在 Android Daily 基准测试中，其稳定性和鲁棒性远超同类大尺寸模型，能够自主完成跨 App 的长链路任务。

---

使用场景 (Use Case)

1. 自动化编程开发：通过集成到 IDE 中，自主修复代码漏洞、运行测试并迭代修复，适配各种主流智能体框架。
2. 企业级知识工程：独立处理复杂的截图、文档和电子表格，生成可直接交付的研究报告或排程计划。
3. 深度市场调研：利用增强型视觉搜索识别新奇产品，并结合网页搜索进行深度的竞争对手分析。
4. 移动端自动化：在手机上执行跨 App 操作，如差旅规划、社交媒体管理等，支持从“草图”直接生成“网页”。

获取与部署方案

Step 3.7 Flash 提供灵活的部署选项：

• API 平台：通过 platform.stepfun.ai 或 OpenRouter 接入。
• 本地化部署：支持在 NVIDIA DGX Station、AMD Ryzen AI Max+ 以及拥有 128GB 以上统一内存的 Mac Studio 上运行。
• 生态支持：全面兼容 vLLM、SGLang、llama.cpp 以及 NVIDIA NeMo 框架。

---

常见问题解答 (FAQ)

Q: Step 3.7 Flash 的处理速度有多快？
A: Step 3.7 Flash 在实际应用中最高支持 400 TPS，是目前市面上最高效的 Flash 级别模型之一。

Q: 什么是 Advisor Mode？它如何节省成本？
A: Advisor Mode 让 Step 3.7 Flash 作为主要执行者，仅在遇到难题时向更高级模型请教。这使得任务成本从传统顶级模型的 $1.76 降至 $0.19，降幅显著。

Q: 它支持中文界面和部署吗？
A: 是的，Step 3.7 Flash 完美支持中文与英文，并在国内 platform.stepfun.com 平台提供服务，支持多种国产及国际主流硬件环境部署。

Q: Step 3.7 Flash 能处理图形界面（GUI）吗？
A: 可以。它支持 GUI 视觉感知和动作执行，特别是在 Android 系统自动化操作方面表现优异，能自主完成跨应用的复杂交互任务。