描述
第3.7步闪电是一个198B参数的稀疏专家混合(MoE)视觉语言模型,专为处理高频生产工作负载而设计。它结合了一个196B参数的语言主干和一个1.8B参数的视觉编码器,使其能够原生理解图像并处理密集的视觉界面,如用户界面线框和数据图表。
阅读更多
该模型每个令牌激活约11B参数,提供高达400个令牌每秒的吞吐量,支持256k的上下文窗口。它提供三个可选的推理级别——低、中、高——允许开发者在速度、成本和认知深度之间进行平衡。
第3.7步闪电旨在为需要扩展结合感知、搜索和推理的代理工作流的开发者而设计。它在一次性解析大量财务报告、运行具有跨源验证的多步骤搜索循环以及在高吞吐量管道中操作并发编码代理等任务中表现出色。
该模型提供顶级的视觉智能,在SimpleVQA(搜索)中以79.2的分数获得第一名,并在V*(Python)中以95.3的分数实现前沿平价。它能够准确处理密集的视觉界面,并能够独立识别缺失数据并执行查找以验证上下文,然后返回经过事实验证的结论。
第3.7步闪电在ClawEval-1.1基准测试中以67.1的分数领先,展示了对对抗性陷阱的高度抵抗力,并在多轮编排中严格遵循系统政策。它可靠地与外部API交互,并在不偏离指令或违反系统约束的情况下执行长时间的工作流。
第3.7步闪电的定价包括每百万个令牌0.20美元的输入缓存未命中费用、每百万个令牌0.04美元的输入缓存命中费用和每百万个令牌1.15美元的输出费用。该模型可在StepFun开放平台、OpenRouter和NVIDIA NIM上使用,并计划通过与DeepInfra、Fireworks AI和Modal的合作伙伴关系扩大可用性。
第3.7步闪电支持在云、数据中心和本地环境中的灵活部署,并针对使用行业标准后端(如vLLM、SGLang、Hugging Face Transformers和llama.cpp)进行本地推理进行了优化。它在流行的开源基础设施中得到支持,适用于推理和模型开发,包括NVIDIA Nemo生态系统。
- 类别AI 模型与大语言模型
- 定价模式付费
- 部署云端, 本地运行
- 平台网页版
第3.7步闪电亮点
198B参数的稀疏MoE模型
196B语言主干
1.8B视觉编码器
每个令牌激活11B参数
400个令牌每秒的吞吐量
256k上下文窗口
三个推理级别
顶级视觉智能
第3.7步闪电入门
访问模型页面:访问Hugging Face模型页面
身份验证:使用您的API密钥进行身份验证
配置:设置模型参数
发送提示:输入您的查询以进行处理
微调:调整模型以适应特定任务
第3.7步闪电的使用案例
- 财务报告解析
- 多步骤搜索循环
- 编码代理操作
- 密集视觉界面处理
- 自主API交互







