大家好，我是冷逸。

兄弟們，我發現了一個神仙模型。

先考你一道題：既然全宇宙都在膨脹，那我變胖是不是符合宇宙規律？

嗯……你是不是要先想一下？在你想的時候，模型已經推理并回答出來了。

是的，就2秒（純API調用）。

官方說，它的輸出速度能拉到400 Token/s。

而且，它還原生支持視覺理解，圖片、視頻都能看懂。要知道，即使到現在，國內支持視覺理解的模型總共就沒幾款。

那它一定很貴吧？

并不。訂閱Step Plan最低只要38元/月。API直連，輸入（緩存命中）0.27 元，緩存未命中是1.35元，輸出是8.1元。

單看這個價格，好像并不比DeepSeek v4 Flash（輸入1元/輸出2元）便宜。但如果你橫向對比多模態+超高速這個組合，它的性價比就非常有優勢了。

對了，它還開源。

這就是昨天發布的Step 3.7 Flash，原生支持視覺理解，為Agent做了全面優化，超快速度，256k上下文，總參數198B（激活11B）。

一手實測

這是它的benchmark得分。

簡單說就是：

• 對比GPT和Claude還有些差距，但Gemini還是能超一超的；

• 對比DeepSeek各有勝出；

• 對比上一代模型，大幅提升；

• 以及速度上，遙遙領先……因為大多數模型都在100 TPS以下。

比如Artificial Analysis這個速度榜單，之前最快的是GPT-5.3，也只有130多。

而Step 3.7 Flash能沖到400 TPS，也不知道用了什么魔法。。

我實測可以拉到330+TPS

下面我們實測幾個Case，帶你直觀感受一下。

1）視覺編程任務

第一個任務：測試視覺理解+編程能力。

我沒告訴它是什么橋，讓它自己理解，然后設計一個3D模型。

One shot直出，效果還不錯。

而且它識別出了這是舊金山的金門大橋。

但也u1s1，這前端能力和頂級模型k2.6和glm5.1比還有差距。

2）視覺理解任務

我隨便在某軟件里截了張圖，畫了個框，問它：我如果要模糊處理，應該怎么操作？

這張圖里的信息極多，但是模型還是一眼認出這是Photoshop界面，并告訴我具體操作步驟。

關鍵是，全程只用6秒，這輸出速度快得嚇人。

于是我在想：只要速度足夠快，是不是可以有實時渲染的新交互產品誕生？AI游戲產品會不會加速到來？

來看幾個官方案例。

用戶上傳一張飛機駕駛艙圖片，輸入“如何起飛”的指令，模型會以【秒級反應】在圖片中尋找如何起飛的關鍵操作按鈕，并生成分步驟教程。

又比如這個瀏覽網頁的場景。

用戶輸入“這些設計有什么有趣之處”的指令后，模型會自動框選界面、識別信息、理解圖片設計，最終生成專業分析。

注意，它不是其他視覺模型經常測的“給一張圖，一次性給結果”的那種，而是分步驟、近乎實時地生成，給用戶講解畫面內容。

這套交互，玩法非常多。

比如，老師PPT全屏講課，講到哪里，模型就自動在哪里畫線或圈出來。

你可能會說：PPT自帶的畫筆功能就能做到啊，干嘛多此一舉？

純AI演示畫面，不代表真實情況

但我想反問：那個畫筆功能，你是不是得一直用鼠標操作？而老師上課，不可能一直坐在電腦前。她手里可能同時拿著課本和粉筆，甚至正準備敲打瞌睡的你。

又比如，把它接到AI眼鏡里，可視之處都可以實時渲染。

對了，好像階躍的多模態模型一直就跟車企有深度合作。這場景，一下子就通了。

3）Agent長程任務

還是我們的老Case：

提示詞：聯網搜索、調研Step 3.7 Flash模型的關鍵信息，盡量從權威信源獲取信息。先給我創建一份2000字的word調研報告（含pdf版）。然后調用guizang-ppt skill做一份10頁的PPT，頁面高級審美。

這個任務涉及聯網搜索+word生成+轉PDF+skill調用+Coding開發力，還包括頁面上線前測試的chrome-devtools-mcp，特別考驗模型的長程任務能力。

Ps：我發覺這個模型特別適合干測試。之前用Claude Code做測試，很多模型調用chrome-devtools-mcp只是走個過場，但Step 3.7 Flash會一環一環真正檢查——因為它有視覺理解能力，而且速度極快。

所以干測試得心應手。

來看下最終產物。

先是word報告。

然后是PPT。

全部one shot直出，整體都還不錯。

4）推理任務

最后，測一個稍微帶推理能力的3D編程任務。

提示詞：Create a single HTML file containing a fully functional 3D Rubik's Cube simulation using Three.js (via CDN). The cube must be able to automatically solve itself.

功能做得挺多，UI也很好看。

但是推理能力不太夠，導致one shot出來的建模和運算路徑都是錯的。

可能，這版模型在3D方面沒有做針對性訓練，所以表現比較一般。

整個體驗下來，Step 3.7 Flash的核心優勢非常清晰：

• 多模態理解

• 極快速度（400 TPS）

要知道，在同級別開源模型中，絕大多數都不具備多模態能力。更別說400 TPS的極致速度，很多模型能上100就不錯了。

當然，實話實說，它的Coding能力距離頂尖模型還有差距。

但是他快啊，而且有多模態。

開源方面，它在HuggingFace上放了BF16、FP8、NVFP4、GGUF四種權重，支持vLLM、SGLang、llama.cpp、Hugging Face Transformers等主流推理框架，豐儉由人。

API同時兼容OpenAI和Anthropic兩套協議，像Claude Code、Codex、OpenClaw、Hermes、Cursor、Cline、Kilo Code、Open Code都可以用。

現在階躍星辰開放平臺已經可以體驗，支持Step Plan。

Model Page：

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