StepFun: Step 3.7 Flash

[ModelPage]: https://static.stepfun.com/blog/step-3.7-flash/ Step 3.7 Flash to rzadki model wizyjno-językowy oparty na mieszance ekspertów (MoE) z 198B parametrów, łączący szkielet językowy z 196B parametrów z enkoderem wizyjnym o 1,8B parametrów do natywnego rozumienia obrazów. Zaprojektowany do pracy w środowisku produkcyjnym o wysokiej częstotliwości, aktywuje około 11B parametrów na token i osiąga przepustowość do 400 tokenów na sekundę. Step 3.7 Flash obsługuje okno kontekstowe o wielkości 256k i oferuje trzy wybory poziomu rozumowania (niski, średni, wysoki), umożliwiając programistom łatwe równoważenie szybkości, kosztów i głębokości poznawczej. Stworzyliśmy Step 3.7 Flash dla programistów, którzy potrzebują skalować agentowe przepływy pracy łączące percepcję, wyszukiwanie i rozumowanie. Jest zaprojektowany do obsługi intensywnych zadań, takich jak jednorazowe parsowanie ogromnych raportów finansowych, przeprowadzanie wieloetapowych pętli wyszukiwania z weryfikacją krzyżową lub obsługa współbieżnych agentów kodowania w potokach o wysokiej przepustowości. Model dostarcza najwyższej klasy inteligencję wizualną, zajmując pierwsze miejsce w SimpleVQA (Search) z wynikiem 79,2 i osiągając parytet graniczny w V* (Python) z wynikiem 95,3. Te wskaźniki odzwierciedlają silne ugruntowanie wizualne i rozumowanie wspomagane wyszukiwaniem wykraczające poza podstawowy opis obrazu. Model dokładnie przetwarza gęste interfejsy wizualne, takie jak makiety UI, GUI aplikacji i wykresy danych, mapując je na ustrukturyzowany kod. Gdy napotka niekompletny zasób wizualny, może samodzielnie zidentyfikować brakujące dane i przeprowadzić wyszukiwanie w celu zweryfikowania kontekstu przed zwróceniem faktycznie zweryfikowanego wniosku. Niezawodność przepływu pracy i orkiestracja narzędzi Niezawodność wykonania jest kluczowa dla autonomicznych agentów. Step 3.7 Flash prowadzi w benchmarku ClawEval-1.1 z wynikiem 67,1, znacząco przewyższając najbliższego konkurenta z wynikiem 59,8. Ta wydajność pokazuje wysoką odporność na pułapki adwersarialne i ścisłe przestrzeganie polityk systemu podczas wieloetapowej orkiestracji. Wsparty wynikami 49,5 w Toolathlon i 48,1 w HLE z narzędziami, ten profil zapewnia wysoką integralność trajektorii. Step 3.7 Flash niezawodnie współdziała z zewnętrznymi API i wykonuje długoterminowe przepływy pracy bez odchodzenia od instrukcji lub naruszania ograniczeń systemowych. Inżynieria kodu i profesjonalne linie bazowe Step 3.7 Flash został stworzony do zadań inżynieryjnych na żywo i zdobył definitywne drugie miejsce w SWE-Bench PRO z wynikiem 56,3. Może samodzielnie śledzić repozytoria wieloplikowe, izolować błędy z surowych raportów o problemach i generować funkcjonalne łatki, które przechodzą automatyczne testy jednostkowe. Podczas gdy oceny takie jak Terminal-Bench 2.1 (59,5) i GDPVal-AA (45,8) wskazują na wyraźne obszary przyszłej optymalizacji w porównaniu do absolutnego szczytu kohorty, ustanawiają one niezawodną linię bazową dla interakcji systemowych i ustrukturyzowanych profesjonalnych wyników.