最近一直在想一個問題。

AI模型的能力，到底該怎么衡量。

看榜單分數，看推理速度，看價格，還是說看案例效果？

數了數，過去一年差不多測過80多個模型，從閉源旗艦，到開源小尺寸，我稍微有了點類似手感的東西。

但說實話，數據指標和真實使用之間，存在一個巨大的預期偏差。

有一個大模型玩家，很低調，但是技術實力和產出效果，卻是悄悄達到了有驚喜的程度。

這個模型是什么情況呢？

不賣關子了，就是階躍星辰的Step 3.7 Flash，定位是「面向生產級Agent的高效率Flash模型」。

乍一看，說實話，概念有點繞，場景還不少。

模型官網：https://static.stepfun.com/blog/step-3.7-flash/

這幾天，高頻用了一下，跑了幾個真實場景任務，好像想明白了一件事：

我們可能一直都把Flash類模型的方向想錯了。

真正Agent友好的高效率模型，其價值，正在凸顯。

01一張龍珠截圖，變成多模態互動游戲

直接帶大家看看模型效果。

我先扔給Step 3.7 Flash的，是一張七龍珠Z的人物劇照。

畫質還算清晰，圖上有悟空、貝吉塔、悟飯、短笛、弗利薩、特蘭克斯等十幾個人物，站位分散，人物關系復雜。

我寫了個簡單的提示詞：識別這些角色，畫出人物關系圖譜，再做一個互動問答游戲的網頁，讓用戶能測試自己對龍珠人物關系的了解。

輪到Step 3.7 Flash表演了：它先是處理了視覺輸入。

是在推理過程中直接分析了圖片，沒有單獨調用OCR或檢測模塊。

一分多鐘后，挺快的，它輸出每個角色的名字和位置。

基于圖片視覺信息，結合自己對龍珠系列的知識，構建了一個角色關系圖。

它還輸出了一份結構化數據：悟空和悟飯是父子，貝吉塔和特蘭克斯是父子，短笛是悟飯的師父，弗利薩與所有人為敵。

這些關系，原本提供的圖片里都沒有，模型是靠搜索和推理，串聯起來的。

不同人物角色，用顏色頭像來表示，可以隨意鼠標拖拽、分組，是可以連線交互的那種。

說實話，互動網頁的效果，比預想稍差。

理想狀態是，每個頭像都是人物的真實照片，不要搞名字簡寫，跟一堆MM豆似的。

我心里想象的，是下面這個樣子

不過倒也情有可原，我拿Opus 4.7也沒法一步到位，實現像生圖片這么好的HTML效果。

接著，我追加了一句指令，稍微降了難度，讓它設計成包含人物角色圖的游戲化交互面板。

模型響應很快，判斷出有些關系需要核實，主動發起了聯網搜索。

特蘭克斯和布瑪的母子關系要不要納入圖譜？畫面中的特蘭克斯來自哪個時間線？

它搜了龍珠人物介紹，找到多個來源，交叉驗證后決定把布瑪加入圖譜，并在后續問答里標注時間線差異。

最后一步是代碼生成。

模型基于整理好的關系數據，輸出了一份完整的HTML文件。

左邊是人物和名字，名字節點代表人，不同顏色的連線區分敵對、盟友、血緣。

右邊是問答游戲，隨機抽題，實時計分。380行代碼，第一遍就能跑。

我保存成.html文件，瀏覽器打開，圖譜正常渲染，游戲正常運作。

這次效果基本符合預期了。

還多了一個折疊面板的說明文檔，教你如何修改數據源。這個模型它自己加的，挺有意思。

對比另一個主流大廠的Flash模型，同樣輸入，它只只給我了一個靜態網頁。視覺理解和后續任務之間，卡殼了。

能感覺到，Step 3.7 Flash是把多模態、搜索、代碼生成，串成了一條完整鏈路；

執行到最后一步，也沒忘了一開始讓干啥。

看執行過程，是比較有推理邏輯的；看結果，已經接近了一線Agent產品的表現。

02做弗蘭克個人網站，第一版就能用

這個任務比較偏coding、偏工程。

我的要求是：做AI異類弗蘭克的個人網站。

很具體的場景。

網站要包含個人簡介、代表作列表、過往經歷等等，風格要簡潔專業，適配移動端。

因為很了解我自己，也做過不止一版個人網站，測這個案例，搜索質量信息排列什么的，一眼就能看出好壞。

我把需求寫得很隨意，沒有給設計稿，只說科技簡潔風格，要有現代感。

Step 3.7 Flash開始規劃。

它先輸出了一份網站架構說明，包括頁面結構、導航菜單、內容區塊劃分。

然后生成完整代碼，HTML、CSS、JavaScript全在一個文件里。

我仔細看了代碼。響應式布局，手機和電腦上顯示都正常。

過往經歷區域，用了卡片設計，每張卡片有標題、簡短描述和標簽。

代碼里還有一個細節。

它自己加了一個暗色模式切換按鈕，用localStorage記住用戶偏好，可調顏色。

這個需求我完全沒有提，模型覺得個人網站應該有這個功能，自作主張加上了。挺有意思的。

我用另一個更大、更貴的國產模型，試了同樣的需求。

它也生成了代碼，效果也還不錯，就是部分元素在手機上會錯位。

視覺上，大家感覺哪個更好看？

細看了下，Step 3.7 Flash的代碼完成度，對比下來，是不差的，而且更快、更便宜。

雖然它參數小，但是在編程任務上做了專門優化，架構和用戶體驗細節上，應該也是打磨了。

第一遍給出的代碼，稍改文字內容，就能直接用。

對于開發者來說，省掉的有生成時間、調試返工的時間，還有錢。

03看視頻、看白板，它也能做分析

官方介紹里說多模態、視覺能力很強，能解決復雜問題。

那我得試試

傳了一段手機視頻，大約3秒，拍的是一個大疆pocket3。

錄屏畫面晃動，logo一閃而過。

我直接把視頻傳給Step 3.7 Flash，prompt說：這是什么產品、怎么用。

模型先定位關鍵幀。它找到了Logo、產品特征等等。

然后模型結合這些信息做推理。

這個過程只有一次API調用。

如果換傳統做法，我需要先抽幀，把關鍵幀截出來傳給視覺模型識別，再把識別結果喂給推理模型。

兩個模型之間還要寫代碼銜接。

Step 3.7 Flash把視覺理解和推理決策合并成了一步。

我還測了一個會議記錄場景。

拍一張白板照片，上面手寫著一些內容表達的思維方法，字跡潦草，還有不少箭頭和圈圈畫畫。

模型直接輸出了一份結構化的內容，信息梳理出來了，標注了要點和注意事項。

應該沒有單獨跑OCR，寫規則解析啥的，一次就出來結果了。

但是我還有點不滿意，想用更清晰的圖表，或者一頁PPT來呈現。

然后PPT有了：整體結構是很好的，就是有明顯的錯別字；

考慮到是潦草手寫識別，我自己都看不太清楚白板，能做到現在的程度，已經不錯了。

Step 3.7 Flash給我的感覺是，做它的工程團隊，真的在生產環境里，跑過Agent任務。

就像多模態，如果是實驗室測評向的就沒意思了，還是得和推理長在一起，成為可用的默認能力。

多環節、長鏈路的執行工作，最好也一次性做到位。

就感覺階躍模型團隊，先是很知道痛點在哪，然后才把這些痛點的解決方案，內置進了模型。

說到底，模型能力不是為了跑分好看，是為了真解決問題。

04Agent效率，大概是下一階段的戰場

跑完這些測試，我對Flash模型這件事，有了新的感受。

過去大家愛比峰值智能、都想要小紅花：誰的模型在benchmark上分數高、誰排第一，誰就有面子。

但那個模型封神榜邏輯，正在慢慢失效。

benchmark越來越飽和了，現實里任務的復雜度，又遠遠超出benchmark的覆蓋范圍。

下個階段的競爭，大概不會看誰在某個單項測試上多考兩分。

還是要看誰能以更高效的方式，完成實打實的生產級任務。

階躍星辰他們，把這個叫做「Agent效率」。

我覺得這個詞，抓得挺妙。

Agent效率，不是單一的指標，它是速度、智能、成本、任務完成率、開發體驗、可控性的綜合。

一個模型可能跑分不是最高，但如果它能在更少的輪次里完成一個復雜任務，能在更低延遲下支撐高頻調用，能讓開發者在一天內搭出一個可用的Agent，不再用花一周去調試各種模塊……

那它的實際價值，可能遠超一個跑分更高、用起來費勁的模型。

Step 3.7 Flash走的是「輕快小美」路線。

198B的MoE架構，約11B激活參數，最高生成速度400 TPS。

GitHub地址：https://github.com/stepfun-ai/Step-3.7-Flash

看著肯定不如那些大體量模型性感，但實際跑Agent任務的時候，速度快、效果不差。

而且它在編程和工程任務上的one-shot完成率也有明顯提升。

多輪調用下來，體感的順滑程度，是那些「重模型」給不了的；甚至襯的個別家，都有點「傻大笨粗」了。

我只覺得，模型不需要在所有維度上，都最強。

它只需要在一些關鍵維度上，足夠好，并且這些維度，恰好對上真實生產任務中很痛的痛點。

Step 3.7 Flash是一個讓我覺得，接上以后，能提供情緒價值的模型。

它不完美，但在那些真正決定Agent能否落地的維度上，它做了很多清醒的判斷和取舍。

有豐富的框架適配，能手機操作，干起活來輕盈不拖沓，還方便好上手。

Step 3.7 Flash的很多選擇，都在降低開發者的負擔，也在提升Agent效率。

這些都讓我覺得，Flash模型，不再只是旗艦模型的替代品了。

隨著Agent能力增強，真實任務，正在變得更加多輪、工具密集，也朝著上下文密集、搜索驅動、多模態去發展。

在更適合Agent的方向上，我覺得Step 3.7 Flash開了個好頭。

現在便宜，以后可能會漲價，建議早去玩。

點開不虧

https://static.stepfun.com/blog/step-3.7-flash/