Kan ik Step 3.7 Flash lokaal draaien?

Ja, de weights zijn open en gehost op Hugging Face onder stepfun-ai/Step-3.7-Flash, maar het volledige model is een 198 miljard parameters sparse MoE, dus je hebt serieuze hardware nodig om het met nuttige snelheid te draaien.

Wat kost het en hoe groot is het contextvenster?

Inputtokens kosten $0,20 per miljoen ($0,04 bij cache-hit) en outputtokens $1,15 per miljoen; het contextvenster is 256K tokens.

Hoe verschilt Step 3.7 Flash van een standaard dense model?

Het is een Mixture-of-Experts-architectuur die ongeveer 11 miljard parameters per token activeert ondanks een totaal van 198 miljard parameters, wat het een hogere doorvoer geeft dan een vergelijkbaar capabel dense model en je de redeneerdiepte per verzoek laat instellen.

Step 3.7 Flash

3679°

#llm #stepfun #visie #video #redeneren #agenten

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

StepFun | 262.144 token context | $0,20/M input, $1,15/M output. Step 3.7 Flash is StepFun's nieuwste efficiënte multimodale Mixture-of-Experts model. Het combineert een 196B-parameter taalbackbone met een vision encoder voor native beeld- en videoverwerking, waarbij ongeveer 11B parameters per token geactiveerd worden. Het model ondersteunt een contextvenster van 256K en biedt selecteerbare redeneerniveaus (hoog/middel/laag), waarmee gebruikers snelheid, kosten en diepte van redeneren kunnen afwegen. Ontworpen voor coderen, agentische workflows, gestructureerde output en productiviteitstaken met lange context.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Step 3.7 Flash is StepFun's sparse Mixture-of-Experts vision-language model, dat een taalbackbone met 196 miljard parameters combineert met een vision encoder en per token slechts ongeveer 11 miljard parameters activeert. Het ondersteunt een contextvenster van 256K tokens, native beeld- en videoverwerking en drie selecteerbare redeneerniveaus. Met $0,20 per miljoen inputtokens richt het zich op ontwikkelaars die high-throughput agentische pipelines draaien, niet op casual chat.

Bekend om

Selecteerbare redeneerdiepte (laag/midden/hoog) om snelheid af te wegen tegen kosten per oproep.
Sterk agentisch toolgebruik: leidt ClawEval-1.1 met 67,1, ruim voor de volgende concurrent.
Native beeld- en videoverwerking ingebouwd in het basismodel, niet als toevoeging.
256K context kan grote documenten, lange codebases of multi-turn agentgeschiedenis in één keer aan.
Open weights beschikbaar op Hugging Face voor zelfhosting of on-prem deployment.

Let op

Met 198 miljard totale parameters vereist lokaal draaien serieuze hardware; controleer je VRAM voor downloaden.
Outputprijs van $1,15 per miljoen tokens loopt snel op bij workflows met veel redeneerwerk en output.
StepFun heeft geen volledige licentievoorwaarden gepubliceerd in de modelkaart; controleer toegestane gebruiksvormen voor productie.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Multi-bestand bug hunt

Hier is een GitHub-issue en drie gerelateerde Python-bestanden. Traceer de hoofdoorzaak over de bestanden, leg precies uit welke regel de bug introduceert en maak een minimale patch die een regressietest zou doorstaan. Issue: aanroepen van process_batch() met een lege lijst veroorzaakt een KeyError op 'results'. Bestanden: [plak je bestanden hier].

Grafiek naar gestructureerde data

Ik voeg een screenshot toe van een financieel dashboard met meerdere grafieken en een samenvattende tabel. Extraheer elke numerieke waarde die je kunt lezen, identificeer de metrieknaam en de tijdsperiode, en geef het resultaat terug als een JSON-array met sleutels: metric, period, value, unit.

Lang document agent plan

Je hebt hieronder een inkoopcontract van 200 pagina's geplakt. Identificeer elke clausule die een financiële verplichting aan onze kant creëert, de deadline of trigger voor elk, en het maximale aansprakelijkheidsbedrag als dat is vermeld. Geef een tabel terug gesorteerd op deadline. Als een deadline ambigu is, markeer dat. [plak contracttekst].

Vergelijk met

Step 5 Preview
Model met open gewichten
1,048,576 token context · $1.00/M invoer, $2.70/M uitvoer
Step 3.5 Flash
Model met open gewichten
262,144 token context · $0.10/M invoer, $0.30/M uitvoer
GPT-6 Luna
Alleen API-model
1,050,000 token context · $0.10/M invoer, $0.50/M uitvoer
GPT-5.6 Luna
Alleen API-model
1,050,000 token context · $0.20/M invoer, $1.20/M uitvoer

Meer tekstmodellen van stepfun

Veelgestelde vragen

Kan ik Step 3.7 Flash lokaal draaien?: Ja, de weights zijn open en gehost op Hugging Face onder stepfun-ai/Step-3.7-Flash, maar het volledige model is een 198 miljard parameters sparse MoE, dus je hebt serieuze hardware nodig om het met nuttige snelheid te draaien.
Wat kost het en hoe groot is het contextvenster?: Inputtokens kosten $0,20 per miljoen ($0,04 bij cache-hit) en outputtokens $1,15 per miljoen; het contextvenster is 256K tokens.
Hoe verschilt Step 3.7 Flash van een standaard dense model?: Het is een Mixture-of-Experts-architectuur die ongeveer 11 miljard parameters per token activeert ondanks een totaal van 198 miljard parameters, wat het een hogere doorvoer geeft dan een vergelijkbaar capabel dense model en je de redeneerdiepte per verzoek laat instellen.

Oordeel van de kapitein
Een serieuze agentische werkpaard met echte visuele capaciteiten en een slimme redeneerschakelaar, mits je de outputkosten kunt verdragen of het zelf host.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

NVIDIA Nemotron 3.5 Lightning

TEXT / LLM

Ling 3.1 Flash

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

Step 3.7 Flash is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm stepfun visie video redeneren agenten coderen lange context

Bladeren op modelfamilie