Kan jag köra Step 3.7 Flash lokalt?

Ja, vikterna är öppna och finns på Hugging Face under stepfun-ai/Step-3.7-Flash, men hela modellen är en 198 miljarder parametrar stor sparsam MoE, så du behöver betydande hårdvara för att köra den i användbar hastighet.

Vad kostar den och hur stort är kontextfönstret?

Inmatningstokens kostar 0,20 USD per miljon (0,04 USD vid cacheträff) och utmatningstokens kostar 1,15 USD per miljon; kontextfönstret är 256K tokens.

Hur skiljer sig Step 3.7 Flash från en standard tät modell?

Det är en Mixture-of-Experts-arkitektur som aktiverar ungefär 11 miljarder parametrar per token trots totalt 198 miljarder parametrar, vilket ger högre genomströmning än en jämförbar tät modell och låter dig justera resonemangsdjup per anrop.

Step 3.7 Flash

3679°

#llm #stepfun #vision #video #resonemang #agenter

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

StepFun | 262,144 token kontext | $0.20/M input, $1.15/M output. Step 3.7 Flash är StepFuns senaste hög-effektiva multimodala Mixture-of-Experts-modell. Den kombinerar en 196B-parameter språkryggrad med en vision-encoder för inbyggd bild- och videoförståelse, och aktiverar ungefär 11B parametrar per token. Modellen stödjer ett 256K kontextfönster och exponerar valbara resonemangsnivåer (hög/medium/låg), vilket låter anropare avväga hastighet, kostnad och resonemangsdjup. Designad för kodning, agentiska arbetsflöden, strukturerade utdata och produktivitetsuppgifter med lång kontext.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Step 3.7 Flash är StepFuns sparsamma Mixture-of-Experts-modell för vision och språk, som kombinerar en språkryggrad med 196 miljarder parametrar med en visionskodare samtidigt som den aktiverar endast cirka 11 miljarder parametrar per token. Den stödjer ett 256K kontextfönster, inbyggd bild- och videoförståelse samt tre valbara resonemangsnivåer. Med 0,20 USD per miljon inmatningstokens riktar den sig till utvecklare som kör höggenomströmmande agentpipelines, inte till casual chatt.

Känd för

Valbar resonemangsdjup (låg/medel/hög) för att byta mellan hastighet och kostnad per anrop.
Stark agentisk verktygsanvändning: leder ClawEval-1.1 med 67,1, klart före nästa konkurrent.
Inbyggd bild- och videoförståelse i basmodellen, inte påbyggd.
256K tokens kontext hanterar stora dokument, långa kodbaser eller flerstegs agenthistorik i ett svep.
Öppna vikter tillgängliga på Hugging Face för självhostad eller lokal drift.

Se upp för

Med 198 miljarder totala parametrar kräver lokal körning seriös hårdvara; kontrollera ditt VRAM innan nedladdning.
Utmatningspriset på 1,15 USD/M tokens blir snabbt dyrt i högresonerande, utförliga arbetsflöden.
StepFun har inte publicerat fullständiga licensvillkor i modellkortet; verifiera tillåtna användningar innan produktionssättning.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Felsök buggar över flera filer

Här är en GitHub-issue och tre relaterade Python-filer. Spåra grundorsaken över filerna, förklara exakt vilken rad som introducerar buggen och skapa en minimal patch som skulle klara ett regressions-test. Issue: att anropa process_batch() med en tom lista ger ett KeyError på 'results'. Filer: [klistra in dina filer här].

Diagram till strukturerad data

Jag bifogar en skärmdump av en finansiell dashboard med flera diagram och en sammanfattande tabell. Extrahera varje numeriskt värde du kan läsa, identifiera mätvärdets namn och tidsperiod för varje, och returnera resultatet som en JSON-array med nycklarna: metric, period, value, unit.

Agentplan för långt dokument

Du har ett 200-sidigt upphandlingskontrakt klistrat nedan. Identifiera varje klausul som skapar en ekonomisk skyldighet för oss, deadline eller utlösare för varje, och maxansvar om det anges. Returnera en tabell sorterad efter deadline. Om en deadline är otydlig, markera det. [klistra in kontraktstext].

Jämför med

Step 5 Preview
Öppen vikt-modell
1,048,576 tokens kontext · $1.00/M indata, $2.70/M utdata
Step 3.5 Flash
Öppen vikt-modell
262,144 tokens kontext · $0.10/M indata, $0.30/M utdata
GPT-6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.10/M indata, $0.50/M utdata
GPT-5.6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.20/M indata, $1.20/M utdata

Fler textmodeller från stepfun

Vanliga frågor

Kan jag köra Step 3.7 Flash lokalt?: Ja, vikterna är öppna och finns på Hugging Face under stepfun-ai/Step-3.7-Flash, men hela modellen är en 198 miljarder parametrar stor sparsam MoE, så du behöver betydande hårdvara för att köra den i användbar hastighet.
Vad kostar den och hur stort är kontextfönstret?: Inmatningstokens kostar 0,20 USD per miljon (0,04 USD vid cacheträff) och utmatningstokens kostar 1,15 USD per miljon; kontextfönstret är 256K tokens.
Hur skiljer sig Step 3.7 Flash från en standard tät modell?: Det är en Mixture-of-Experts-arkitektur som aktiverar ungefär 11 miljarder parametrar per token trots totalt 198 miljarder parametrar, vilket ger högre genomströmning än en jämförbar tät modell och låter dig justera resonemangsdjup per anrop.

Kaptens omdöme
En seriös agentisk arbetshäst med genuina visionsegenskaper och en smart resonemangsdimmer, förutsatt att du står ut med utmatningskostnaden eller hostar själv.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Step 3.7 Flash är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm stepfun vision video resonemang agenter kodning lång kontext

Bläddra efter modellfamilj