Step-3.7-Flash

Step 3.7 Flash 是一个具有1980亿参数的稀疏混合专家（MoE）视觉-语言模型，结合了1960亿参数的语言主干和1.8亿参数的视觉编码器，用于原生图像理解。该模型针对高频生产工作负载进行了优化，每处理一个token激活约110亿参数，并提供高达400 tokens/秒的吞吐量。它支持256k上下文窗口，并提供三种可选推理级别（低、中、高），使开发者能够轻松平衡速度、成本和认知深度。Step 3.7 Flash适用于需要将感知、搜索和推理相结合的工作流进行扩展的场景，如一次性解析大量财务报告、执行多步骤搜索循环与跨源验证或在高吞吐量管道中操作并发编码代理等密集型任务。