Step 3.7 Flash

Что такое Step 3.7 Flash

Step 3.7 Flash – модель компании StepFun, разработанная для агентных задач. Она анализирует текст и изображения, ищет информацию, работает с инструментами и выполняет многошаговые действия. Модель рассчитана не только на диалоговый формат, но и на сценарии, где нужно составить план, проверить промежуточный результат и продолжить работу.

Главная особенность Step 3.7 Flash – сочетание мультимодального понимания с возможностью действовать через инструменты. Модель распознаёт интерфейсы, документы, диаграммы и обычные фотографии, а затем может сгенерировать код или вызвать подходящий инструмент.

Сервис может быть интересен разработчикам агентных приложений, специалистам по автоматизации и компаниям, которым нужны поиск, анализ данных, работа с документами и выполнение задач в цифровой среде. StepFun также включает совместимость модели с рядом агентных оболочек и средств инференса.

Мультимодальное понимание изображений и документов

Step 3.7 Flash воспринимает не только текстовые запросы, но и изображения: интерфейсы продуктов, документы, графики, таблицы и реальные сцены. После анализа визуального материала модель способна перейти к следующему действию, например, подготовить код, извлечь данные или использовать инструмент.

На практике модели можно передать скриншот интерфейса и попросить разобраться в его устройстве, найти ошибки или написать код на основе увиденного. Другой сценарий – анализ сложного документа либо электронной таблицы, где важна не только текстовая информация, но и визуальная структура.

Для задач обработки изображений модель включает кадрирование, масштабирование, рисование пикселей и ограничивающих рамок. Эти операции доступны через единый интерфейс к Python-инструменту.

Веб-поиск и визуальный поиск

Модель умеет планировать поиск, отбирать источники и синтезировать найденные сведения. Step 3.7 Flash может выполнять дополнительные поисковые шаги, а не останавливаться на первом результате. Это полезно для задач, в которых необходимо собрать информацию из нескольких материалов и сверить факты.

Например, агент может найти официальные правила, профильные публикации, учебные материалы и разборы конкретного случая, а затем выделить значимые условия и подготовить сводку.

Также есть Visual Search – визуальный поиск для распознавания редких объектов и недавно появившихся понятий на изображениях. Такой подход может быть полезен, когда собственных знаний модели недостаточно и требуется обратиться к внешнему источнику вместо предположения.

Работа с инструментами и многошаговые сценарии

Step 3.7 Flash позиционируется как модель для вызова инструментов и координации их работы. Среди поддерживаемых сред разработчик – терминалы, браузеры, офисные приложения и поиск. Акцент сделан на длинных цепочках действий, в которых важно сохранять контекст после нескольких вызовов инструментов.

Такой подход пригодится для составных задач: найти данные, извлечь ключевые сведения, обработать их в документе, проверить результат и при необходимости внести изменения. Агент может последовательно работать с поиском и файлами, а не ограничиваться текстовым планом.

Модель ориентирована на сокращение числа ошибок при вызовах инструментов и неудачных запусков.

Агентное программирование и Advisor Mode

В Step 3.7 Flash усилены сценарии, связанные с написанием, запуском и проверкой кода. Модель может самостоятельно выстраивать траекторию работы: вызывать инструменты, читать результаты команд и корректировать дальнейшие действия. Это полезно в задачах, где код недостаточно просто сгенерировать – его нужно протестировать в терминале или другой рабочей среде.

Для сложных задач предусмотрен Advisor Mode. В этом режиме Step 3.7 Flash остаётся основным исполнителем, но при необходимости обращается к более крупной модели-советнику, например, во время планирования или после нескольких неудачных попыток.

С включённым Advisor Mode модель достигает 97% показателя Claude Opus 4.6 в программировании при стоимости около $0,19 за задачу против $1,76 за задачу у Claude Opus 4.6.

Управление графическими интерфейсами

Step 3.7 Flash поддерживает операции с графическими интерфейсами, в том числе сценарии в стеке Phone-use. Модель может распознавать элементы на экране, взаимодействовать с ними и проверять последствия своих действий. Благодаря этому она может работать не только с командной строкой и текстом, но и с веб-страницами или приложениями.

Например, StepFun описывает сценарий, в котором модель сначала написала фронтенд-код, затем открыла графический интерфейс, проверила отрисованную страницу и внесла изменения после тестирования интерактивных элементов. Такой подход может пригодиться при создании прототипов и проверке простых пользовательских сценариев.

На бенчмарке Android Daily модель превзошла прошлогоднюю Step-GUI по стабильности, устойчивости и выполнению длинных задач.

Совместимость с агентными инструментами и варианты развёртывания

Step 3.7 Flash заявлена как совместимая с агентными оболочками Claude Code, KiloCode, Hermes Agent и OpenClaw. Это может упростить подключение модели к уже существующему агентному процессу. Также поддерживается совместимость со Skills.

Для инференса и обслуживания модели указаны vLLM, SGLang, Hugging Face Transformers и llama.cpp. Для разработки и кастомизации StepFun включает экосистему NVIDIA NeMo, включая AutoModel, Megatron Core и Megatron Bridge.

Модель можно использовать в облаке, дата-центре или локальной среде. В качестве ориентиров для локального запуска – NVIDIA DGX Station, устройства на базе AMD Ryzen AI Max+ 395, а также Mac Studio и MacBook Pro с минимум 128 ГБ объединённой памяти.

Условия использования Step 3.7 Flash

Модель Step 3.7 Flash оплачивается по количеству обработанных токенов. Стоимость рассчитывается отдельно для входных токенов без кэша, входных токенов с попаданием в кэш и выходных токенов.

Лимиты API зависят от общей суммы пополнений аккаунта. Ограничения включают одновременные запросы, количество запросов в минуту (RPM) и количество токенов в минуту (TPM).