400 Token/s，原生多模态，阶跃星辰 Step 3.7 Flash 开源

阶跃星辰

今天，阶跃星辰开源了他们的新模型：Step 3.7 Flash，支持视觉理解，为 Agent 工作进行了全面优化，MoE 架构，196B 总参数，11B 激活

https://github.com/stepfun-ai/Step-3.7-Flash

除多模态外，在我看来，这模型还有一个优势：快至 400 token/s

我自己测试了下，有 300+ token/s，感受一下

我自己的实录，感受一下速度

这个速度，应是最快的常规模型了

在生成内容的时候，这个模型的输出速度能到 400 TPS 左右，大概是....当你读完这句话的时候，这篇文章就生成完了（啊不是...这篇文章是手敲的，不是生成的...）

这个速度大致上也符合我对 Flash 模型的理解：在一目十行扫过上一页内容的时候，下一页已经生成了

下面，让我们先看一下跑分，然后再聊聊模型本身的特点

BenchMark

模型跑分可以先看下面这个图，Step 3.7 Flash 对比于 3.5 Flash、DeepSeek V4 Flash，以及海外御三家（Gemini、GPT、Claude）

Step 3.7 Flash Bench

简而言之：

• 对比海外御两家，算了，反正大家都还有一些差距....诶....御两家？？

• 对比 DeepSeek，部分 bench 里有所胜出；

• 对比上一代模型，大幅提升

• 在速度 bench 上... 遥遥领先（aa 榜单最快的是 gpt-5.3，100+）

几个 case

这里给大家看几个 demo，我觉得创造了一种叫做 *Realtime-UI 的范式，因为足够快，所以可以以实时的方式，在你的屏幕上渲染出各种交互界面，并与你交互

*你可能对 Realtime-UI 的这个概念不熟，没关系，这是我瞎编的

这些东西都是同时基于【Agent 能力构建】和【视觉理解能力处理】，并且在【高 TPS】下才能做到的，再度划重点：高 TPS：

画面实时解读先看第一个例子，通过 flash-3.7 来进行多模态信息的实时理解

上传一张飞机驾驶舱的照片后，鼠标指向过去，模型就在【秒级以内】快速的识别区域内的物品，并给出具体的细致讲解；由于生成速度确实很不错，还可以通过 function call 的方式，在非常短的时间里生成交互框，做出来一种 Realtime UI 的感觉

Pinterest 设计分析我们也可以把同一套视觉能力，搬到浏览网页的场景里

在 Pinterest 的瀑布流里里，鼠标停在哪张图上，底部就可以实时弹出交互框，对那张海报的构图、字体和视觉概念进行解读，做到完全与操作进行同步

Blender 三维软件除了图片、网页之外，这玩意儿也可以对复杂软件的界面进行理解

以 blender 为例（这真算相当复杂了），鼠标移动到哪，就能识别出尝尽力的面板和对象信息，并顺着指令告诉你接下来应该怎么操作

其实我真觉得...这玩意儿应该做成一个给家里老人用的工具，很多时候我需要远程给他们操作电脑，如果有了这个就会方便很多（甚至最好我在远程给他们说：点这个，然后家里的电脑要被点击的地方酒亮一下）

发票批量处理发票这个场景就太值得一提了

记账的时候，把各种票据丢进去，模型可以通过 fucntion call 的方式，快速抽取到商户、类别、金额、税额...等等各类信息，然后做成表格

智能体集群在实际业务过程中，这些能力还可以影分身着来用

比如生成 40 个不同身份的 agent，让他们进行投票...诶...巧了不是，今天 claude code 新出了动态工作流，是不是可以搭配着用上：

快速搭知识图谱既然这么快，那么搭建一个图谱，也即是几秒钟的事儿

给一个主题，比如「大语言模型」，模型就能几秒钟内，快速铺开一张概念图，节点连成网络，从基础定义一路连到 Transformer 架构

模型特点

在我看来，Step 3.7 Flash 这个模型的两大核心优势：多模态理解 + 快

要知道，同级别的开源模型，大多开源模型，不具备多模态能力

还要知道，在非特别的推理加速下，绝绝绝绝大多数的模型，推理速度在 100 tps（tokens/s） 以下，主流则在 30 tps 左右

上面这个是 AA 的速度天梯，此前最快的是 gpt-5.3

Step 3.7 Flash 在支持多模态的前提下，把速度拉到了 400 tps，也不知道是上了什么神奇魔法

我去看了下文档，这个里面的图片&视频理解是原生支持的，并且在推理过程中还可以使用一个叫 Visual Python Tool的工具，对于看不清楚的地方，模型会自主对图片做 crop、zoom、re-read...换句话说，看不清就放大再看一遍，看完有疑问就去搜，尽可能的准确、高效的把事情搞定

同样的，搜索也是用这种方法进行循环：搜玩了如果觉得信息不够，那就再搜、再推，belike...

至于其他信息，这个模型的默认上下文是 256K，支持推理强度的手动调节：low / medium / high，可以根据需求，具体的更改参数

多少钱

这个模型可以自己部署，也可以通过官方平台或者第三方 MaaS 进行调用，价格如下：

输入 · 缓存命中 0.27 元

输入 · 缓存未命中 1.35 元

输出 8.1 元

Agent 场景下，缓存命中还是很高的

单看这个价格，是稍高于 DeepSeek v4 Flash的（输入1元/输出2元），但如果横比一下支持多模态的高速模型，那就很有优势了

然后这个模型也可以在海外平台调用，按美元计价，输入命中 $0.04、未命中 $0.20、输出 $1.15 每百万 token

模型使用

step-3.7-flash 同时兼容两套协议：OpenAI 家的，以及 Anthropic 家的

也可以直接用 Anthropic SDK，魔改下 endpoint 来用。在 Coding 和 Agent 工具上，对 Claude Code、OpenClaw、Cline、Roo Code、Kilo Code、Open Code 也都是支持的

这个模型今天上线，支持的 MaaS 包括：阶跃官方平台（国内 platform.stepfun.com，海外 platform.stepfun.ai）、OpenRouter、NVIDIA NIM；而 DeepInfra、Fireworks、Modal 也在接入中，很快就上了

https://platform.stepfun.com/docs/zh/guides/models/step-3.7-flash

当然，作为开源模型，你也可以自己跑：196B/A11B，算一下的话反正 128G 的机器量化着能跑

在 HuggingFace 上，放了 BF16、FP8、NVFP4、GGUF 四种权重，丰俭由人，vLLM、SGLang、Hugging Face Transformers、llama.cpp 均以支持