Step 3.7 Flash
高效能多模态代理模型，支持视觉理解与工具调用
Step 3.7 Flash 是一款高效能多模态代理模型，支持视觉理解、网页搜索、工具调用和编码，在多项基准测试中表现优异。
更多关于 Step 3.7 Flash 的信息
Step 3.7 Flash
Step 3.7 Flash是一款面向真实世界智能体的高效Flash模型。它具备多模态理解与行动能力，专为提升智能体效率而设计，适用于编码、搜索、企业任务等场景。
- •原生多模态理解与行动:能够理解产品界面、文档、图表和自然场景等各类图像，并编写代码或调用工具对所见内容执行操作。
- •网络与视觉搜索增强:网络搜索覆盖更多来源并支持深度追问；视觉搜索可识别其他系统无法识别的长尾实体和新概念。
- •可靠工具调用与编排:驱动终端、浏览器、Office工具、搜索等，在长时间运行中保持连贯，减少漂移、工具调用失败和运行中断。
- •智能体生态兼容性:兼容主流框架（Claude Code、KiloCode、Hermes Agent、OpenClaw）和技能，降低集成成本，减少工作流改造。
- •高效编码能力:在SWE-Bench Pro和Terminal-Bench 2.1上分别达到56.3%和59.5%的得分，支持顾问模式，以九分之一成本实现97%的编码性能。
- •企业任务优化:在动态环境中自主执行任务，结合深度领域知识，在Toolathlon和ClawEval-1.1上分别取得49.5%和67.1%的得分。
- •视觉感知与Python工具:通过Python工具实现裁剪、缩放、绘制等操作，在V*和HR-Bench等基准上达到95.3%和89.1%的准确率。
- •GUI操作能力:支持手机端图形界面操作，在Android Daily基准上达到61.87%的完成率，超越多数更大规模模型。
在当今智能体驱动的应用场景中，Step 3.7 Flash以Flash级效率提供了接近前沿模型的性能。通过原生多模态、深度搜索和可靠工具编排，它显著降低了部署成本并提升了任务完成质量。选择它，意味着在效率与能力之间获得最佳平衡。
