StepFun: Step 3.7 Flash

Étape 3.7 Flash est un modèle de génération de texte de StepFun, répertorié sur api14 sous l'identifiant de modèle stepfun/step-3.7-flash. Il est décrit par son fournisseur comme le tout dernier modèle Mixture-of-Experts multimodal à haut rendement de StepFun, associant un socle linguistique de 196B paramètres à un encodeur visuel et activant environ 11B paramètres. La date de publication du fournisseur est le 2026-05-28. Si vous choisissez un modèle pour un nouveau projet, le cadrage important est qu'il s'agit d'un modèle à entrée multimodale avec sortie texte, conçu autour de l'efficacité plutôt que de l'échelle brute.

Côté entrée, Step 3.7 Flash accepte le texte, les images et la vidéo, et il produit uniquement du texte. La fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 230400 tokens. La compréhension native des images et des vidéos provient de l'encodeur visuel, de sorte que le contenu visuel peut être transmis aux côtés du texte plutôt que d'être pré-converti en descriptions. Le comportement de raisonnement est exposé via les paramètres reasoning et include_reasoning, et reasoning_effort vous permet de contrôler l'effort qui y est consacré. Les sorties structurées et response_format sont prises en charge, ce qui compte lorsque vous avez besoin de résultats lisibles par machine plutôt que de prose.

Ces capacités renvoient à un ensemble assez spécifique de cas d'usage. Les documents longs accompagnés de réponses longues correspondent au contexte de 262144 tokens et au plafond de sortie de 230400 tokens : revue de contrats, synthèse de recherche, analyse de transcriptions, explication de base de code. Comme les images et les vidéos sont acceptées en entrée, vous pouvez construire des pipelines qui posent des questions sur des captures d'écran, des diagrammes, des diaporamas, des démos enregistrées ou des séquences de type surveillance et qui reçoivent du texte en retour. L'appel d'outils via tools et tool_choice le rend utilisable comme étape de raisonnement dans une boucle d'agent, et structured_outputs plus response_format conviennent aux tâches d'extraction où le résultat alimente un autre système. Les contrôles de raisonnement sont utiles lorsque vous souhaitez arbitrer entre profondeur et latence par requête.

L'appeler via api14 fonctionne de la même manière que n'importe quel autre modèle compatible OpenAI. Pointez votre client vers l'URL de base d'api14, utilisez votre clé api14, et définissez le champ model sur stepfun/step-3.7-flash. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Comme la surface est compatible OpenAI, les SDK et bibliothèques existants fonctionnent généralement sans modification au-delà de l'identifiant de modèle et de l'URL de base.

Il n'y a aucune restriction indiquée dans les faits au-delà de la séparation des modalités : l'entrée peut être du texte, une image ou une vidéo, mais la sortie est uniquement du texte, donc tout ce qui nécessite des images, de l'audio ou de la vidéo générés a besoin d'un autre modèle. Si votre charge de travail est purement textuelle et ne bénéficie pas de l'encodeur visuel ni des contrôles de raisonnement, un modèle plus simple uniquement textuel peut mieux convenir. Sinon, la combinaison d'une grande fenêtre de contexte, d'un grand plafond de sortie et d'une entrée multimodale fait de ce modèle un choix par défaut raisonnable pour les tâches d'analyse de documents et de médias.