stepfun
StepFun: Step 3.7 Flash
stepfun/step-3.7-flash
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
stepfun/step-3.7-flash aparece catalogado como un modelo multimodal de mezcla de expertos con salida de texto que acepta texto, imágenes y video, ofrece un contexto de 256K tokens y exige razonamiento con esfuerzo bajo, medio o alto seleccionable. StepFun describe un diseño disperso de 198B parámetros que activa unos 11B por token para cargas de trabajo agénticas de alto throughput. Las evaluaciones divulgadas destacan verificación visual, orquestación de herramientas y programación, pero el paquete contiene datos del catálogo y del proveedor, no validación independiente.[1][2]
Puntos fuertes
- El catálogo y la documentación de StepFun coinciden en entrada multimodal de contexto largo, salida de texto, activación dispersa y tres niveles de razonamiento, un perfil orientado a cargas de producción de alta frecuencia.[1][2]
- StepFun reporta resultados sólidos en respuesta visual a preguntas con búsqueda, orquestación de herramientas de varios pasos y evaluaciones de ingeniería de software; el catálogo también expone llamadas a herramientas, salidas estructuradas y controles de razonamiento.[1][2]
- Una publicación Apache-2.0 y el soporte documentado para plataformas StepFun, OpenRouter, NVIDIA NIM, vLLM, SGLang, Transformers y llama.cpp ofrecen varias vías de evaluación gestionada y autoalojada.[1][2]
Limitaciones
- El paquete de evidencia solo contiene datos del catálogo de OpenRouter y documentación de StepFun, por lo que la evaluación independiente, el comportamiento de seguridad, el corte de conocimiento y la fiabilidad real siguen siendo desconocidos y deben validarse en la carga prevista.[1][2]
- OpenRouter enumera entrada de video y describe comprensión de video, mientras que la documentación de StepFun suministrada presenta principalmente comprensión nativa de imágenes; la calidad del video y los formatos admitidos requieren pruebas directas.[1][2]
- StepFun reconoce que algunas evaluaciones de terminal y entregables profesionales quedan por debajo del máximo del grupo, y el despliegue local GGUF está documentado con unos 120 GB mínimos y 128 GB recomendados de memoria; confirme la idoneidad de la tarea y la viabilidad del hardware.[2]
Dónde utilizarlo
- Evalúelo para pipelines agénticos de alto volumen que combinen búsqueda, llamadas a API o herramientas y análisis de documentos largos; las pruebas de carga deben verificar la integridad de la trayectoria y la latencia o el costo antes de adoptarlo.[1][2]
- Considérelo para asistentes de programación o agentes de codificación concurrentes que inspeccionen repositorios de varios archivos y redacten parches, comparándolo con sus propios repositorios antes de confiar en los resultados reportados por el proveedor.[2]
- Pruébelo para salidas de texto basadas en gráficos, interfaces, documentos o entradas de video enumeradas en el catálogo, con un piloto pequeño para confirmar la precisión visual, especialmente en video.[1][2]
Fuentes
- [1] OpenRouter catalog · StepFun: Step 3.7 FlashFuentes consultadas: 13 nov 2026
- [2] Model documentation · StepFun: Step 3.7 FlashFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Step 3.7 Flash is StepFun's latest high-efficiency multimodal Mixture-of-Experts model. It pairs a 196B-parameter language backbone with a vision encoder for native image and video understanding, activating roughly 11B parameters...
Especificaciones
- ID del modelo
- stepfun/step-3.7-flash
- ID canónico
- stepfun/step-3.7-flash-20260528
- Creador
- stepfun
- Añadido a OpenRouter
- 28.05.2026
- Longitud de contexto
- 262,144
- Modalidad
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.200 / salida $1.15
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: obligatorio · predeterminado medium · esfuerzos: high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | CC — por debajo de la franja B | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · predeterminado medium · esfuerzos: high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 39.6 | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 39.7% · posición 88 | 1,111Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 44.3% · posición 47 | 1,143Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 41.8% · posición 73 | 1,170Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 43.3% · posición 70 | 1,173Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 37.2% · posición 77 | 1,144Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 36.4% · posición 73 | 1,075Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 41.4% · posición 74 | 1,168Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 43.7% · posición 72 | 1,187Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Novitafp8 | 262,144 | $0.200 | $1.15 | — | — | 100% |
| StepFunfp8 | 256,000 | $0.200 | $1.15 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.