一手实测Step 3.7 Flash：目前最快的开源模型

大家好，我是冷逸。

兄弟们，我发现了一个神仙模型。

先考你一道题：既然全宇宙都在膨胀，那我变胖是不是符合宇宙规律？

嗯……你是不是要先想一下？在你想的时候，模型已经推理并回答出来了。

是的，就2秒（纯API调用）。

官方说，它的输出速度能拉到400 Token/s。

而且，它还原生支持视觉理解，图片、视频都能看懂。要知道，即使到现在，国内支持视觉理解的模型总共就没几款。

那它一定很贵吧？

并不。订阅Step Plan最低只要38元/月。API直连，输入（缓存命中）0.27 元，缓存未命中是1.35元，输出是8.1元。

单看这个价格，好像并不比DeepSeek v4 Flash（输入1元/输出2元）便宜。但如果你横向对比多模态+超高速这个组合，它的性价比就非常有优势了。

对了，它还开源。

这就是昨天发布的Step 3.7 Flash，原生支持视觉理解，为Agent做了全面优化，超快速度，256k上下文，总参数198B（激活11B）。

一手实测

这是它的benchmark得分。

简单说就是：

• 对比GPT和Claude还有些差距，但Gemini还是能超一超的；

• 对比DeepSeek各有胜出；

• 对比上一代模型，大幅提升；

• 以及速度上，遥遥领先……因为大多数模型都在100 TPS以下。

比如Artificial Analysis这个速度榜单，之前最快的是GPT-5.3，也只有130多。

而Step 3.7 Flash能冲到400 TPS，也不知道用了什么魔法。。

我实测可以拉到330+TPS

下面我们实测几个Case，带你直观感受一下。

1）视觉编程任务

第一个任务：测试视觉理解+编程能力。

我没告诉它是什么桥，让它自己理解，然后设计一个3D模型。

One shot直出，效果还不错。

而且它识别出了这是旧金山的金门大桥。

但也u1s1，这前端能力和顶级模型k2.6和glm5.1比还有差距。

2）视觉理解任务

我随便在某软件里截了张图，画了个框，问它：我如果要模糊处理，应该怎么操作？

这张图里的信息极多，但是模型还是一眼认出这是Photoshop界面，并告诉我具体操作步骤。

关键是，全程只用6秒，这输出速度快得吓人。

于是我在想：只要速度足够快，是不是可以有实时渲染的新交互产品诞生？AI游戏产品会不会加速到来？

来看几个官方案例。

用户上传一张飞机驾驶舱图片，输入“如何起飞”的指令，模型会以【秒级反应】在图片中寻找如何起飞的关键操作按钮，并生成分步骤教程。

又比如这个浏览网页的场景。

用户输入“这些设计有什么有趣之处”的指令后，模型会自动框选界面、识别信息、理解图片设计，最终生成专业分析。

注意，它不是其他视觉模型经常测的“给一张图，一次性给结果”的那种，而是分步骤、近乎实时地生成，给用户讲解画面内容。

这套交互，玩法非常多。

比如，老师PPT全屏讲课，讲到哪里，模型就自动在哪里画线或圈出来。

你可能会说：PPT自带的画笔功能就能做到啊，干嘛多此一举？

纯AI演示画面，不代表真实情况

但我想反问：那个画笔功能，你是不是得一直用鼠标操作？而老师上课，不可能一直坐在电脑前。她手里可能同时拿着课本和粉笔，甚至正准备敲打瞌睡的你。

又比如，把它接到AI眼镜里，可视之处都可以实时渲染。

对了，好像阶跃的多模态模型一直就跟车企有深度合作。这场景，一下子就通了。

3）Agent长程任务

还是我们的老Case：

提示词：联网搜索、调研Step 3.7 Flash模型的关键信息，尽量从权威信源获取信息。先给我创建一份2000字的word调研报告（含pdf版）。然后调用guizang-ppt skill做一份10页的PPT，页面高级审美。

这个任务涉及联网搜索+word生成+转PDF+skill调用+Coding开发力，还包括页面上线前测试的chrome-devtools-mcp，特别考验模型的长程任务能力。

Ps：我发觉这个模型特别适合干测试。之前用Claude Code做测试，很多模型调用chrome-devtools-mcp只是走个过场，但Step 3.7 Flash会一环一环真正检查——因为它有视觉理解能力，而且速度极快。

所以干测试得心应手。

来看下最终产物。

先是word报告。

然后是PPT。

全部one shot直出，整体都还不错。

4）推理任务

最后，测一个稍微带推理能力的3D编程任务。

提示词：Create a single HTML file containing a fully functional 3D Rubik's Cube simulation using Three.js (via CDN). The cube must be able to automatically solve itself.

功能做得挺多，UI也很好看。

但是推理能力不太够，导致one shot出来的建模和运算路径都是错的。

可能，这版模型在3D方面没有做针对性训练，所以表现比较一般。

整个体验下来，Step 3.7 Flash的核心优势非常清晰：

• 多模态理解

• 极快速度（400 TPS）

要知道，在同级别开源模型中，绝大多数都不具备多模态能力。更别说400 TPS的极致速度，很多模型能上100就不错了。

当然，实话实说，它的Coding能力距离顶尖模型还有差距。

但是他快啊，而且有多模态。

开源方面，它在HuggingFace上放了BF16、FP8、NVFP4、GGUF四种权重，支持vLLM、SGLang、llama.cpp、Hugging Face Transformers等主流推理框架，丰俭由人。

API同时兼容OpenAI和Anthropic两套协议，像Claude Code、Codex、OpenClaw、Hermes、Cursor、Cline、Kilo Code、Open Code都可以用。

现在阶跃星辰开放平台已经可以体验，支持Step Plan。

Model Page：

https://static.stepfun.com/blog/step-3.7-flash