Step 3.7 Flash Agent 效率才是真功夫!

阶跃星辰刚发布的 Step 3.7 Flash，官方给出了一个非常直接的产品定位——面向生产级 Agent 的高效率 Flash 模型，为 Agent、Coding、Search 与多模态工作流而生，并且开源、可部署。

1.产品定位

Step 3.7 Flash 是一款专为生产级 Agent 打造的高效率 Flash 模型，核心能力紧扣 Agent、Coding、Search 与多模态工作流，并且开源、可本地部署。它不追求跑分，只死磕“干活”效率，通过Step Plan包月，高频场景实际成本更低。

开源特性让企业能在自有硬件上私有化部署，数据不出域，高频调用成本趋近于零，彻底打破闭源模型的高并发瓶颈。Step 3.7 Flash 把模型竞争从“会答多少题”拉到了“能把活干得多快、多稳、多省”的工程化效率赛道，是面向 Agent 规模化落地的效率利器。

和DeepSeek V4 Flash对比（基于2026年6月22日官方文档数据，1M Tokens计算）：

按API单价StepFun略高于DeepSeek，但通过Step Plan包月（按次数而非token计费）实际成本更低。

2.实战一：性价比PK

大模型的能力榜单我们看腻了。真正让技术人挠头的问题永远是：同一个真实 Agent 任务，谁能更快、更稳、更省地跑完？

接下来我们就对比Step 3.7 Flash和DeepSeek V4 Flash模型的对比

这里用脚本驱动模型对比完成同一任务、自动采集指标。

设计一个标准 Agent 任务 任务：自动获取当前 GitHub Trending Python 项目前 5 名，分析每个项目的核心用途，生成一份中文简报，并保存为 Markdown 文件。

这个任务涉及：

1.网页抓取（GitHub Trending 页面）

2.内容解析

3.自然语言总结

4.文件写入

它可以很好地考验模型的多工具串联规划和执行效率。

Step 3.7 Flash模型结果

DeepSeek V4 Flash模型结果

很明显消费金额要远高于Step 3.7 Flash模型

本实战Step 3.7 Flash模型 VS DeepSeek V4 Flash模型对比结果如下：

用完全相同的任务和工具集去驱动两个模型，你得到的不是排行榜上的几个数字，而是 真实生产环境中能落地的效率账本。这次实测再次印证：当模型从“答题”转向“干活”时，紧凑的工具调用、极低的 token 冗余和稳定的多步执行，才是衡量 Agent 模型的关键标尺。Step 3.7 Flash 正是为这个刻度而生。

任务：查询今天北京和上海的气温，计算温差，并整理成一句简洁的中文天气提醒，写入本地 weather.txt 文件。工具集：

get_weather(city)

calculate_diff(a,b) 

write_file(path, content)。

Step 3.7 Flash模型

DeepSeek V4 Flash

这次横评的结论朴素而清晰：当模型开始真刀真枪干活时，“会多少题”不再是核心壁垒，“能不能把活又快又稳又省地干完”才是。

Step 3.7 Flash 展现出的特性，不是单纯的推理快，而是一种面向生产级 Agent 的工程化效率——更少的自我对话、更高的工具调用精准度、更极致的 token 经济性，并且通过开源和可部署把控制权完全交给开发者。这种效率在单次交互里也许只是几秒和几分钱的差距，但放大到企业级 Agent 流水线、高频自动化任务中，就是产能和成本的降维打击。

Step 3.7 Flash模型

DeepSeek V4 Flash

本实战Step 3.7 Flash模型 VS DeepSeek V4 Flash模型对比结果如下：

更多介绍可以查看

https://static.stepfun.com/blog/step-3.7-flash/