Bolehkah saya jalankan Step 3.7 Flash secara tempatan?

Ya, beratnya terbuka dan dihoskan di Hugging Face di bawah stepfun-ai/Step-3.7-Flash, tetapi model penuh adalah MoE jarang 198B parameter, jadi anda memerlukan perkakasan besar untuk menjalankannya dengan kelajuan berguna.

Berapa kos dan berapa besar tetingkap konteks?

Token input berharga $0.20 setiap sejuta ($0.04 pada cache hit) dan token output $1.15 setiap sejuta; tetingkap konteks adalah 256K token.

Bagaimana Step 3.7 Flash berbeza daripada model padat standard?

Ia adalah seni bina Mixture-of-Experts yang mengaktifkan kira-kira 11B parameter setiap token walaupun jumlah parameter keseluruhan 198B, yang memberikannya aliran kerja lebih tinggi daripada model padat setanding dan membolehkan anda laraskan kedalaman penaakulan setiap permintaan.

Step 3.7 Flash

3679°

#llm #stepfun #penglihatan #video #penalaran #ejen

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

StepFun | konteks token 262,144 | $0.20/M input, $1.15/M output. Step 3.7 Flash adalah model Mixture-of-Experts multimodal kecekapan tinggi terkini StepFun. Ia menggabungkan tulang belakang bahasa 196B-parameter dengan penyandi penglihatan untuk pemahaman imej dan video asli, mengaktifkan kira-kira 11B parameter setiap token. Model ini menyokong tetingkap konteks 256K dan mendedahkan tahap penalaran yang boleh dipilih (tinggi/sederhana/rendah), membolehkan pemanggil menukar antara kelajuan, kos, dan kedalaman penalaran. Direka untuk pengekodan, aliran kerja agenik, output berstruktur, dan tugasan produktiviti konteks panjang.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Step 3.7 Flash adalah model bahasa-penglihatan Mixture-of-Experts jarang StepFun, menggabungkan tulang belakang bahasa 196B parameter dengan pengekod penglihatan sambil mengaktifkan hanya sekitar 11B parameter setiap token. Ia menyokong tetingkap konteks 256K, kefahaman imej dan video asli, dan tiga tahap penaakulan boleh dipilih. Pada harga $0.20 setiap sejuta token input, ia mensasarkan pembangun yang menjalankan saluran agenik berkapasiti tinggi, bukan sembang santai.

Dikenali untuk

Kedalaman penaakulan boleh dipilih (rendah/sederhana/tinggi) untuk menukar kelajuan dengan kos setiap panggilan.
Penggunaan alat agenik yang kuat: mendahului ClawEval-1.1 pada 67.1, jauh mengatasi pesaing seterusnya.
Kefahaman imej dan video asli terbina dalam model asas, bukan dipasang kemudian.
Konteks 256K mengendalikan dokumen besar, pangkalan kod panjang, atau sejarah agen pelbagai pusingan dalam satu laluan.
Berat terbuka tersedia di Hugging Face untuk hos sendiri atau pelaksanaan di premis.

Berhati-hati dengan

Dengan 198B parameter keseluruhan, menjalankan ini secara tempatan memerlukan perkakasan serius; periksa VRAM anda sebelum muat turun.
Harga output $1.15/M token cepat bertambah dalam aliran kerja penaakulan tinggi dan verbose.
StepFun belum menerbitkan terma lesen penuh dalam kad model; sahkan penggunaan dibenarkan sebelum pengeluaran.

Terbaik untuk

Ejen dan penggunaan alat

Pengaturcaraan

Penglihatan

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Mencari pepijat pelbagai fail

Ini laporan isu GitHub dan tiga fail Python berkaitan. Jejak punca utama merentas fail, terangkan baris tepat yang memperkenalkan pepijat, dan hasilkan tampalan minimum yang lulus ujian regresi. Isu: memanggil process_batch() dengan senarai kosong menaikkan KeyError pada 'results'. Fail: [tampal fail anda di sini].

Carta ke data berstruktur

Saya lampirkan tangkapan skrin papan pemuka kewangan dengan pelbagai carta dan jadual ringkasan. Ekstrak setiap nilai berangka yang boleh anda baca, kenal pasti nama metrik dan tempoh masa bagi setiap, dan kembalikan hasil sebagai tatasusunan JSON dengan kunci: metric, period, value, unit.

Rancangan agen dokumen panjang

Anda ada kontrak perolehan 200 muka surat ditampal di bawah. Kenal pasti setiap klausa yang mewujudkan kewajipan kewangan di pihak kami, tarikh akhir atau pencetus untuk setiap, dan jumlah liabiliti maksimum jika dinyatakan. Kembalikan jadual disusun mengikut tarikh akhir. Jika tarikh akhir samar, tandakan. [tampal teks kontrak].

Bandingkan dengan

Step 5 Preview
Model berat terbuka
konteks 1,048,576 token · Input $1.00/M, output $2.70/M
Step 3.5 Flash
Model berat terbuka
konteks 262,144 token · Input $0.10/M, output $0.30/M
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.20/M, output $1.20/M

Lebih banyak model teks dari stepfun

Soalan yang sering ditanya

Bolehkah saya jalankan Step 3.7 Flash secara tempatan?: Ya, beratnya terbuka dan dihoskan di Hugging Face di bawah stepfun-ai/Step-3.7-Flash, tetapi model penuh adalah MoE jarang 198B parameter, jadi anda memerlukan perkakasan besar untuk menjalankannya dengan kelajuan berguna.
Berapa kos dan berapa besar tetingkap konteks?: Token input berharga $0.20 setiap sejuta ($0.04 pada cache hit) dan token output $1.15 setiap sejuta; tetingkap konteks adalah 256K token.
Bagaimana Step 3.7 Flash berbeza daripada model padat standard?: Ia adalah seni bina Mixture-of-Experts yang mengaktifkan kira-kira 11B parameter setiap token walaupun jumlah parameter keseluruhan 198B, yang memberikannya aliran kerja lebih tinggi daripada model padat setanding dan membolehkan anda laraskan kedalaman penaakulan setiap permintaan.

Keputusan Kapten
Kuda kerja agenik serius dengan kebolehan visi sebenar dan dail penaakulan yang bijak, asalkan anda sanggup bayar kos output atau hos sendiri.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Qwen3 Next 80B A3B Instruct

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Step 3.7 Flash ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm stepfun penglihatan video penalaran ejen pengaturcaraan konteks panjang

Layari mengikut keluarga model