StepFun: Step 3.7 Flash

Langkah 3.7 Flash adalah model generasi teks dari StepFun, terdaftar di api14 dengan id model stepfun/step-3.7-flash. Model ini dijelaskan oleh penyedianya sebagai model Mixture-of-Experts multimodal terbaru StepFun yang sangat efisien, memadukan tulang punggung bahasa dengan 196B parameter dengan encoder visi dan mengaktifkan sekitar 11B parameter. Tanggal rilis penyedia adalah 2026-05-28. Jika Anda memilih model untuk proyek baru, kerangka pentingnya adalah ini merupakan model input multimodal dengan output teks, dibangun dengan fokus pada efisiensi bukan skala mentah.

Di sisi input, Step 3.7 Flash menerima teks, gambar dan video, dan hanya menghasilkan teks. Jendela konteksnya adalah 262144 token, dan output maksimumnya adalah 230400 token. Pemahaman gambar dan video native berasal dari encoder visi, sehingga materi visual dapat dimasukkan bersama teks alih-alih dikonversi terlebih dahulu menjadi deskripsi. Perilaku penalaran diekspos melalui parameter reasoning dan include_reasoning, dan reasoning_effort memungkinkan Anda mengontrol seberapa banyak upaya yang dikeluarkan di sana. Structured outputs dan response_format didukung, yang penting ketika Anda membutuhkan hasil yang dapat dibaca mesin alih-alih prosa.

Kemampuan tersebut mengarah pada serangkaian kasus penggunaan yang cukup spesifik. Dokumen panjang plus jawaban panjang cocok dengan konteks 262144 token dan batas output 230400 token: tinjauan kontrak, sintesis riset, analisis transkrip, penjelasan basis kode. Karena gambar dan video diterima sebagai input, Anda dapat membangun pipeline yang mengajukan pertanyaan tentang tangkapan layar, diagram, dek slide, demo yang direkam atau rekaman bergaya pengawasan dan mendapatkan teks kembali. Pemanggilan alat melalui tools dan tool_choice membuatnya dapat digunakan sebagai langkah penalaran dalam loop agen, dan structured_outputs plus response_format cocok untuk tugas ekstraksi di mana hasilnya memberi masukan ke sistem lain. Kontrol penalaran berguna ketika Anda ingin menukar kedalaman dengan latensi per permintaan.

Memanggilnya melalui api14 bekerja sama seperti model kompatibel OpenAI lainnya. Arahkan klien Anda ke base URL api14, gunakan kunci api14 Anda, dan setel bidang model ke stepfun/step-3.7-flash. Parameter permintaan yang didukung adalah 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 dan top_p. Karena antarmukanya kompatibel dengan OpenAI, SDK dan pustaka yang ada umumnya berfungsi tanpa perubahan selain id model dan base URL.

Tidak ada batasan yang dinyatakan dalam fakta selain pemisahan modalitas: input dapat berupa teks, gambar atau video, tetapi output hanya teks, jadi apa pun yang memerlukan gambar, audio atau video yang dihasilkan membutuhkan model lain. Jika beban kerja Anda murni teks dan tidak mendapat manfaat dari encoder visi atau kontrol penalaran, model khusus teks yang lebih sederhana mungkin lebih cocok. Jika tidak, kombinasi jendela konteks besar, batas output besar dan input multimodal menjadikannya default yang wajar untuk tugas analisis dokumen dan media.