阶跃星辰是国内 AI 公司中较为低调但技术实力强劲的一家。从开源 Step 3.5 Flash 到推出 Step Audio 2.0，其模型迭代速度一直很快。5 月 30 日，Step 3.7 Flash 正式上线。
根据官方信息，Step 3.7 Flash 总参数 196B + 1.8B ViT，每次推理仅激活 11B 参数。其定位为面向生产级 Agent 的高效率模型，能够串联搜索、工具调用、代码生成和部署链路。此外，该模型还支持在内存 ≥ 128GB 的 Mac 上本地运行，拓展了端侧应用场景。
Benchmark 表现：多项指标领先
在通用 Agent 综合能力测试中，Step 3.7 Flash 表现亮眼。官方对比显示，该模型主要对标 Flash 级模型（如 DeepSeek V4 Flash、Gemini 3.5 Flash），并与 Pro 档模型（GPT 5.5、Claude Opus 4.7、Kimi K2.6）进行参照。
实测：接入 Claude Code 的六大场景
为了验证模型的实际能力，我将 Step 3.7 Flash 接入 Claude Code，从搜索与工具调用、代码输出与前端审美两个维度进行了实测。
场景一：搜索与工具调用
任务 1：AI Coding 工具对比表
需求：搜索主流 AI Coding 工具和 Agent 框架，对比能力、定价、适用人群，输出可视化 HTML。
模型调用 Search 能力检索了 Claude Code、Cursor、Codex CLI 等产品的文档和定价页，并交叉验证信息一致性。几分钟内即生成了对比表，信息准确度高。
任务 2：旗舰模型参数看板
需求：搜索主流旗舰模型，对比定价、上下文窗口、强项与短板，制作可视化看板。
该任务信息源更杂、参数更细。模型生成的看板配色克制、排版有节奏，关键参数醒目，准确度经核对较高。
部署方案：结合 Cloudflare Pages 或 Vercel CLI，可通过 Agent 定时抓取数据并自动更新网站，无需数据库，实现动态信息展示。
场景二：代码生成与前端审美
我尝试了几个复杂的产品 Demo 需求，测试模型的实际编码能力：
1. Agent 工作流编排界面
需求：类似 ComfyUI 节点风格，面向 Agent 调用的界面。
结果：一次生成，包含节点拖拽、连线、参数面板、运行日志区。
2. MeetPoint Planner（多人聚会选点系统）
需求：输入位置和偏好，推荐聚会地点，调用地图 API。
结果：包含筛选条件、打分逻辑，首次运行即可用。
3. Daily Pulse（AI 资讯日报）
需求：给定栏目结构，生成仿杂志风的信息架构。
结果：分区清晰，视觉节奏感强。
4. CYBERKEYS（赛博键盘）
需求：赛博朋克美学的键盘视觉设计。
结果：配色、霓虹反光、键帽样式表现出色，视觉质量高。
苏米注：最令我惊讶的是输出速度。上述复杂需求大多在一分钟内完成，部分甚至仅需 10 秒，代码量均在 1000 行以上。"Flash"之名确实名副其实。
Agentic 能力：技术解析
官方博客显示，Step 团队在 Step-SWE-Bench 上运行了测试，覆盖 Hermes Agent、OpenClaw、Claude Code 等六个主流 harness。Step 3.7 Flash 平均分 67.08%，较 3.5 Flash 的 56.50% 有显著提升。
技术博客揭示了几个关键点：
- 训练目标改变：从单点能力转向 Agent 轨迹层面的 end-to-end 优化，在轨迹级别整合数据、奖励、推理。
- Advisor Mode：在规划或反复失败时请教更大的顾问模型。开启后，在 SWE-Bench Verified 上达到 Claude Opus 4.6 的 97% 代码能力，单任务成本仅为 1/9（$0.19 vs $1.76）。这是国内首个将 executor + advisor 策略做成产品级开关的厂商。
- 视觉能力提升：使用 Python 工具操作图像（裁剪、放大、画框等）。模型能自发组合视觉与非视觉工具，写完代码后自动运行 GUI 验证渲染和交互。
总结
Step 3.7 Flash 的核心优势在于：搜索能力强、代码生成质量高、输出速度极快、支持多模态。结合其订阅价格（Step Plan 49 元/月），性价比突出。
在模型竞争日益激烈的今天，单点 Benchmark 已不再是唯一标准。从任务开始到交付的整条曲线——速度、智能、成本三者同时在线——才是关键。Step 3.7 Flash 在这三者上表现均衡，是一个值得尝试的生产级 Agent 高效率模型。
相关链接：