Step 3.7 Flash
3679°
StepFun | 262,144 token context | $0.20/M input, $1.15/M output. Step 3.7 Flash 是 StepFun 最新的高效多模態混合專家模型。它結合 196B 參數語言主幹與視覺編碼器，原生理解圖像與視頻，每個 token 啟用約 11B 參數。模型支持 256K 上下文視窗，並提供可選推理等級（高/中/低），讓調用者在速度、成本與推理深度間做出權衡。專為編碼、代理工作流程、結構化輸出及長上下文生產力任務設計。
本模型的指南
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
Step 3.7 Flash 是 StepFun 的稀疏混合專家視覺語言模型，結合 1960 億參數語言主幹與視覺編碼器，每個 token 僅啟動約 110 億參數。支援 256K 上下文視窗，原生影像與影片理解，並提供三種可選推理深度。每百萬輸入 token 0.20 美元，目標用戶為運行高吞吐代理流程的開發者，而非休閒聊天。
以...聞名
- 可選推理深度（低/中/高），在速度與每次呼叫成本間取捨。
- 強大代理工具使用能力：ClawEval-1.1 得分 67.1，遠超次佳者。
- 原生影像與影片理解，非後加功能。
- 256K 上下文可一次處理大型文件、長程式碼庫或多輪代理歷史。
- 開放權重可於 Hugging Face 取得，自行部署或本地運行。
注意
- 1980 億總參數數量龐大，本地運行需強大硬體，下載前請確認 VRAM。
- 輸出價格每百萬 token 1.15 美元，高推理與冗長工作流程成本快速累積。
- StepFun 未於模型卡公布完整授權條款，生產部署前請確認允許用途。
可嘗試的提示詞
多檔案錯誤追蹤
這裡有一個 GitHub 問題報告與三個相關 Python 檔案。請追蹤跨檔案的根本原因，精確說明哪一行引入錯誤，並提出可通過回歸測試的最小修補程式。問題：呼叫 process_batch() 傳入空列表時，會因 'results' 引發 KeyError。檔案：[貼上您的檔案]。
圖表轉結構化資料
我附上一張財務儀表板截圖，包含多張圖表與摘要表。請擷取所有可讀數值，辨識指標名稱與時間區間，並以 JSON 陣列回傳，鍵名為：metric、period、value、unit。
長文件代理計畫
您有一份 200 頁採購合約貼於下方。請找出所有對我方產生財務義務的條款、各自截止日期或觸發條件，以及若有標明的最高責任金額。請依截止日期排序並回傳表格，若截止日期模糊請標記。[貼上合約文字]
比較
- Step 5 Preview開放權重模型1,048,576 代幣上下文 · $1.00/M 輸入，$2.70/M 輸出
- Step 3.5 Flash開放權重模型262,144 代幣上下文 · $0.10/M 輸入，$0.30/M 輸出
- GPT-6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.10/M 輸入，$0.50/M 輸出
- GPT-5.6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.20/M 輸入，$1.20/M 輸出
更多來自 stepfun 的文字模型
常見問題
- 我可以在本地運行 Step 3.7 Flash 嗎？
- 可以，權重開放且託管於 Hugging Face 的 stepfun-ai/Step-3.7-Flash，但完整模型為 1980 億參數稀疏 MoE，需強大硬體才能有效運行。
- 價格與上下文大小？
- 輸入 token 每百萬 0.20 美元（快取命中時為 0.04 美元），輸出每百萬 1.15 美元；上下文視窗為 256K token。
- 與標準密集模型有何不同？
- 它是混合專家架構，儘管總參數達 1980 億，每 token 僅啟動約 110 億參數，推論吞吐率高於同等能力密集模型，且可依請求調整推理深度。
船長評語一款具備真正視覺能力與巧妙推理調節的嚴肅代理工作馬，前提是您能接受輸出成本或自行部署。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Step 3.7 Flash 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153