説明
ステップ 3.7 フラッシュは、198BパラメータのスパースなMixture-of-Experts (MoE) ビジョン・ランゲージモデルであり、高頻度の生産ワークロードを処理するように設計されています。196Bパラメータの言語バックボーンと1.8Bパラメータのビジョンエンコーダーを組み合わせて、ネイティブな画像理解を可能にし、UIワイヤーフレームやデータチャートなどの密な視覚インターフェースを処理します。
続きを読む
このモデルは、トークンごとに約11Bのパラメータをアクティブにし、最大400トークン/秒のスループットを提供し、256kのコンテキストウィンドウをサポートします。開発者は、スピード、コスト、認知の深さをバランスさせるために、低、中、高の3つの選択可能な推論レベルを提供します。
ステップ 3.7 フラッシュは、知覚、検索、推論を組み合わせたエージェントワークフローをスケールさせる必要がある開発者向けに設計されています。1回のパスで膨大な財務報告を解析したり、クロスソース検証を伴うマルチステップ検索ループを実行したり、高スループットパイプラインで同時コーディングエージェントを操作するタスクに優れています。
このモデルは、トップクラスの視覚知能を提供し、SimpleVQA (検索) で79.2のスコアを獲得し、V* (Python) で95.3のフロンティアパリティを達成しています。密な視覚インターフェースを正確に処理し、欠落データを独立して特定し、事実確認された結論を返す前にコンテキストを検証するためのルックアップを実行できます。
ステップ 3.7 フラッシュは、ClawEval-1.1ベンチマークで67.1のスコアを記録し、敵対的トラップに対する高い耐性を示し、マルチターンオーケストレーション中にシステムポリシーを厳守します。外部APIと信頼性のあるインタラクションを行い、指示から逸脱することなく、システム制約を違反することなく長期的なワークフローを実行します。
ステップ 3.7 フラッシュの価格は、入力キャッシュミスに対して100万トークンあたり0.20ドル、入力キャッシュヒットに対して100万トークンあたり0.04ドル、出力に対して100万トークンあたり1.15ドルです。このモデルは、StepFunオープンプラットフォーム、OpenRouter、およびNVIDIA NIMで利用可能であり、DeepInfra、Fireworks AI、Modalとのパートナーシップを通じて利用可能性を拡大する計画があります。
ステップ 3.7 フラッシュは、クラウド、データセンター、ローカル環境での柔軟なデプロイメントをサポートし、vLLM、SGLang、Hugging Face Transformers、llama.cppなどの業界標準のバックエンドを使用してローカル推論に最適化されています。NVIDIA Nemoエコシステムを含む、推論およびモデル開発のための人気のオープンソースインフラストラクチャでサポートされています。
- カテゴリーAIモデルとLLM
- 料金モデル有料
- デプロイクラウド, ローカルで実行
- プラットフォームWeb
ステップ 3.7 フラッシュのハイライト
198BパラメータのスパースMoEモデル
196B言語バックボーン
1.8Bビジョンエンコーダー
トークンごとに11Bのパラメータがアクティブ
400トークン/秒のスループット
256kコンテキストウィンドウ
3つの推論レベル
トップクラスの視覚知能
ステップ 3.7 フラッシュをはじめる
モデルページにアクセス: Hugging Faceモデルページを訪問
認証: APIキーを使用して認証
設定: モデルパラメータを設定
プロンプトを送信: 処理のためにクエリを入力
ファインチューニング: 特定のタスクに合わせてモデルを調整
ステップ 3.7 フラッシュの使用例
- 財務報告の解析
- マルチステップ検索ループ
- コーディングエージェントの操作
- 密な視覚インターフェースの処理
- 自律的APIインタラクション







