StepFun: Step 3.7 Flash

Step 3.7 Flash è un modello di generazione di testo di StepFun, elencato su api14 con l'id del modello stepfun/step-3.7-flash. È descritto dal suo fornitore come il più recente modello Mixture-of-Experts multimodale ad alta efficienza di StepFun, che abbina una backbone linguistica da 196 miliardi di parametri a un encoder visivo e attiva circa 11 miliardi di parametri. La data di rilascio del fornitore è 2026-05-28. Se stai scegliendo un modello per un nuovo progetto, l'inquadramento importante è che si tratta di un modello con input multimodale e output testuale, costruito attorno all'efficienza più che alla scala pura.

Sul lato input, Step 3.7 Flash accetta testo, immagini e video, e produce solo testo. La finestra di contesto è di 262144 token, e l'output massimo è di 230400 token. La comprensione nativa di immagini e video deriva dall'encoder visivo, quindi il materiale visivo può essere passato insieme al testo invece di essere pre-convertito in descrizioni. Il comportamento di ragionamento è esposto tramite i parametri reasoning e include_reasoning, e reasoning_effort ti consente di controllare quanto sforzo viene speso in quel frangente. Gli output strutturati e response_format sono supportati, il che conta quando hai bisogno di risultati leggibili dalla macchina invece che di prosa.

Queste capacità indicano un insieme piuttosto specifico di casi d'uso. Documenti lunghi più risposte lunghe si adattano al contesto di 262144 token e al tetto di output di 230400 token: revisione di contratti, sintesi di ricerca, analisi di trascrizioni, spiegazione di basi di codice. Poiché immagini e video sono accettati come input, puoi costruire pipeline che pongono domande su screenshot, diagrammi, presentazioni, demo registrate o filmati in stile sorveglianza e ottenere testo in risposta. La chiamata di strumenti tramite tools e tool_choice lo rende utilizzabile come fase di ragionamento in un ciclo di agente, e structured_outputs più response_format si adattano a compiti di estrazione in cui il risultato alimenta un altro sistema. I controlli di ragionamento sono utili quando vuoi scambiare profondità con latenza per richiesta.

Chiamarlo tramite api14 funziona allo stesso modo di qualsiasi altro modello compatibile con OpenAI. Punta il tuo client all'URL di base di api14, usa la tua chiave api14 e imposta il campo model su stepfun/step-3.7-flash. I parametri di richiesta supportati sono 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 e top_p. Poiché la superficie è compatibile con OpenAI, gli SDK e le librerie esistenti generalmente funzionano senza modifiche oltre all'id del modello e all'URL di base.

Non c'è alcuna restrizione dichiarata nei fatti oltre alla separazione delle modalità: l'input può essere testo, immagine o video, ma l'output è solo testo, quindi qualsiasi cosa richieda immagini, audio o video generati necessita di un modello diverso. Se il tuo carico di lavoro è puramente testuale e non beneficia dell'encoder visivo o dei controlli di ragionamento, un modello più semplice solo testo potrebbe essere più adatto. Altrimenti, la combinazione di una grande finestra di contesto, un grande tetto di output e input multimodale lo rende un default ragionevole per compiti di analisi di documenti e media.