Step 3.7 Flash ist das dünn besetzte Mixture-of-Experts-Vision-Language-Modell von StepFun für praktische Agentenaufgaben. Sein System mit ungefähr 198 Milliarden Parametern verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern; etwa 11 Milliarden Parameter sind pro Token aktiv. Es nimmt Text und Bilder entgegen und erzeugt Text, Code oder vorgeschlagene Werkzeugaufrufe für eine verbundene Anwendung.
Der Anbieter nennt ein Kontextfenster von 256K sowie die Reasoning-Stufen low, medium und high. Damit kann der Arbeitsablauf des Herstellers einer Aufgabe unterschiedlich viel Denkaufwand zuweisen. Aufgaben mit langem Kontext umfassen umfangreiche Berichte und Softwareuntersuchungen über mehrere Dateien hinweg. Bereiten Sie das relevante Material zusammen mit der Frage und dem benötigten Ergebnis vor, damit das Modell innerhalb dieses Kontexts ein definiertes Ziel hat.
Natives Bildverständnis umfasst Produktoberflächen, Dokumente, Diagramme und natürliche Szenen. Für eine Oberflächenaufgabe stellen Sie den Screenshot oder Entwurf bereit und benennen Sie die zu prüfende oder umzusetzende Funktion. Bei einem Diagramm nennen Sie den zu erklärenden Vergleich oder Trend. Der Hersteller verbindet visuelle Interpretation mit Informationsabruf und Werkzeugnutzung; ein verbundener Arbeitsablauf kann somit zusätzliche Belege sammeln, wenn das Bild allein eine Frage offenlässt.
Programmieraufgaben umfassen das Nachverfolgen eines Repositorys, das Auffinden eines Fehlers und das Vorschlagen eines Patches. Geben Sie das beobachtete Problem, das erwartete Verhalten und die Dateien oder Protokolle an, die das aktuelle Ergebnis belegen. Verlangen Sie das geänderte Arbeitsergebnis und Prüfungen zu seiner Beurteilung. Führt die Anwendung eine Prüfung aus, geben Sie deren tatsächliche Ausgabe vor dem nächsten Schritt zurück, damit das Modell auf die Beobachtung eingehen kann, statt den Erfolg des Patches vorauszusetzen.
Die umfassenderen Arbeitsabläufe des Anbieters erstrecken sich auf Suche, Terminals, Browser und Bürosoftware. Stellen Sie die Werkzeugdefinitionen und Aufgabengrenzen bereit und unterscheiden Sie einen vorgeschlagenen Aufruf vom durch die Anwendung zurückgegebenen Ergebnis. Ein Rechercheauftrag kann Quellen vergleichen und die Belege hinter jeder Schlussfolgerung erhalten; eine Dokumentaufgabe kann eine Erklärung oder strukturierte Inhalte liefern, die die umgebende Anwendung in das endgültige Arbeitsergebnis umsetzt.
StepFun veröffentlicht separate Präzisionsvarianten und Bereitstellungsanleitungen. Seine lokalen GGUF-Beispiele unterscheiden das Sprachmodell vom visuellen Projektor und berücksichtigen zusätzlich zu den Gewichtsdateien weiteren Laufzeitspeicher. Die Modellkarte nennt für diese Einrichtung etwa 120 GB als Mindestwert für lokalen Arbeitsspeicher und empfiehlt 128 GB gemeinsamen Arbeitsspeicher. Dies sind Bereitstellungsbedingungen des Anbieters und keine Aussage über die Konfiguration hinter einer bestimmten Modellauswahl.
Halten Sie Step 3.7 Flash vom früheren Textmodell Step 3.5 getrennt: Vision-Encoder und Bildverständnis sind wesentliche Ergänzungen. Das Endergebnis der Aufgabe sollte die verwendeten Quellen oder visuellen Belege, die vorgeschlagene Änderung oder Erkenntnis und jede Bedingung zeigen, für die noch eine Beobachtung nötig ist. Externe Suchen, Befehle und Dateiänderungen hängen von den Werkzeugen ab, die die Anwendung anschließt.
", "aboutText": "Step 3.7 Flash ist das dünn besetzte Mixture-of-Experts-Vision-Language-Modell von StepFun für praktische Agentenaufgaben. Sein System mit ungefähr 198 Milliarden Parametern verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern; etwa 11 Milliarden Parameter sind pro Token aktiv. Es nimmt Text und Bilder entgegen und erzeugt Text, Code oder vorgeschlagene Werkzeugaufrufe für eine verbundene Anwendung.\n\nDer Anbieter nennt ein Kontextfenster von 256K sowie die Reasoning-Stufen low, medium und high. Damit kann der Arbeitsablauf des Herstellers einer Aufgabe unterschiedlich viel Denkaufwand zuweisen. Aufgaben mit langem Kontext umfassen umfangreiche Berichte und Softwareuntersuchungen über mehrere Dateien hinweg. Bereiten Sie das relevante Material zusammen mit der Frage und dem benötigten Ergebnis vor, damit das Modell innerhalb dieses Kontexts ein definiertes Ziel hat.\n\nNatives Bildverständnis umfasst Produktoberflächen, Dokumente, Diagramme und natürliche Szenen. Für eine Oberflächenaufgabe stellen Sie den Screenshot oder Entwurf bereit und benennen Sie die zu prüfende oder umzusetzende Funktion. Bei einem Diagramm nennen Sie den zu erklärenden Vergleich oder Trend. Der Hersteller verbindet visuelle Interpretation mit Informationsabruf und Werkzeugnutzung; ein verbundener Arbeitsablauf kann somit zusätzliche Belege sammeln, wenn das Bild allein eine Frage offenlässt.\n\nProgrammieraufgaben umfassen das Nachverfolgen eines Repositorys, das Auffinden eines Fehlers und das Vorschlagen eines Patches. Geben Sie das beobachtete Problem, das erwartete Verhalten und die Dateien oder Protokolle an, die das aktuelle Ergebnis belegen. Verlangen Sie das geänderte Arbeitsergebnis und Prüfungen zu seiner Beurteilung. Führt die Anwendung eine Prüfung aus, geben Sie deren tatsächliche Ausgabe vor dem nächsten Schritt zurück, damit das Modell auf die Beobachtung eingehen kann, statt den Erfolg des Patches vorauszusetzen.\n\nDie umfassenderen Arbeitsabläufe des Anbieters erstrecken sich auf Suche, Terminals, Browser und Bürosoftware. Stellen Sie die Werkzeugdefinitionen und Aufgabengrenzen bereit und unterscheiden Sie einen vorgeschlagenen Aufruf vom durch die Anwendung zurückgegebenen Ergebnis. Ein Rechercheauftrag kann Quellen vergleichen und die Belege hinter jeder Schlussfolgerung erhalten; eine Dokumentaufgabe kann eine Erklärung oder strukturierte Inhalte liefern, die die umgebende Anwendung in das endgültige Arbeitsergebnis umsetzt.\n\nStepFun veröffentlicht separate Präzisionsvarianten und Bereitstellungsanleitungen. Seine lokalen GGUF-Beispiele unterscheiden das Sprachmodell vom visuellen Projektor und berücksichtigen zusätzlich zu den Gewichtsdateien weiteren Laufzeitspeicher. Die Modellkarte nennt für diese Einrichtung etwa 120 GB als Mindestwert für lokalen Arbeitsspeicher und empfiehlt 128 GB gemeinsamen Arbeitsspeicher. Dies sind Bereitstellungsbedingungen des Anbieters und keine Aussage über die Konfiguration hinter einer bestimmten Modellauswahl.\n\nHalten Sie Step 3.7 Flash vom früheren Textmodell Step 3.5 getrennt: Vision-Encoder und Bildverständnis sind wesentliche Ergänzungen. Das Endergebnis der Aufgabe sollte die verwendeten Quellen oder visuellen Belege, die vorgeschlagene Änderung oder Erkenntnis und jede Bedingung zeigen, für die noch eine Beobachtung nötig ist. Externe Suchen, Befehle und Dateiänderungen hängen von den Werkzeugen ab, die die Anwendung anschließt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Trace a failed configuration lookup\n\nSource excerpt: settings = {"timeout_seconds": 30}; timeout = settings["timeout"]. Log: KeyError: timeout. Required public setting remains timeout_seconds. Identify the mismatch, propose the smallest source correction and give a test that reads the configured value plus a test for a missing required setting. Do not rename the public field.A source-linked diagnosis, focused patch and two test cases.Check that the patch reads timeout_seconds and that the missing-setting case is not hidden by an invented default.stepfun/step-3.7-flashStep 3.7 Flash von StepFun ist ein dünn besetztes Vision-Language-Modell für Programmierung, Bildverständnis und werkzeuggestützte Arbeitsabläufe. Es verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern, einem Kontext von 256K und drei vom Anbieter dokumentierten Reasoning-Stufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step 3.7 Flash ist das dünn besetzte Mixture-of-Experts-Vision-Language-Modell von StepFun für praktische Agentenaufgaben. Sein System mit ungefähr 198 Milliarden Parametern verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern; etwa 11 Milliarden Parameter sind pro Token aktiv. Es nimmt Text und Bilder entgegen und erzeugt Text, Code oder vorgeschlagene Werkzeugaufrufe für eine verbundene Anwendung.
Der Anbieter nennt ein Kontextfenster von 256K sowie die Reasoning-Stufen low, medium und high. Damit kann der Arbeitsablauf des Herstellers einer Aufgabe unterschiedlich viel Denkaufwand zuweisen. Aufgaben mit langem Kontext umfassen umfangreiche Berichte und Softwareuntersuchungen über mehrere Dateien hinweg. Bereiten Sie das relevante Material zusammen mit der Frage und dem benötigten Ergebnis vor, damit das Modell innerhalb dieses Kontexts ein definiertes Ziel hat.
Natives Bildverständnis umfasst Produktoberflächen, Dokumente, Diagramme und natürliche Szenen. Für eine Oberflächenaufgabe stellen Sie den Screenshot oder Entwurf bereit und benennen Sie die zu prüfende oder umzusetzende Funktion. Bei einem Diagramm nennen Sie den zu erklärenden Vergleich oder Trend. Der Hersteller verbindet visuelle Interpretation mit Informationsabruf und Werkzeugnutzung; ein verbundener Arbeitsablauf kann somit zusätzliche Belege sammeln, wenn das Bild allein eine Frage offenlässt.
Programmieraufgaben umfassen das Nachverfolgen eines Repositorys, das Auffinden eines Fehlers und das Vorschlagen eines Patches. Geben Sie das beobachtete Problem, das erwartete Verhalten und die Dateien oder Protokolle an, die das aktuelle Ergebnis belegen. Verlangen Sie das geänderte Arbeitsergebnis und Prüfungen zu seiner Beurteilung. Führt die Anwendung eine Prüfung aus, geben Sie deren tatsächliche Ausgabe vor dem nächsten Schritt zurück, damit das Modell auf die Beobachtung eingehen kann, statt den Erfolg des Patches vorauszusetzen.
Die umfassenderen Arbeitsabläufe des Anbieters erstrecken sich auf Suche, Terminals, Browser und Bürosoftware. Stellen Sie die Werkzeugdefinitionen und Aufgabengrenzen bereit und unterscheiden Sie einen vorgeschlagenen Aufruf vom durch die Anwendung zurückgegebenen Ergebnis. Ein Rechercheauftrag kann Quellen vergleichen und die Belege hinter jeder Schlussfolgerung erhalten; eine Dokumentaufgabe kann eine Erklärung oder strukturierte Inhalte liefern, die die umgebende Anwendung in das endgültige Arbeitsergebnis umsetzt.
StepFun veröffentlicht separate Präzisionsvarianten und Bereitstellungsanleitungen. Seine lokalen GGUF-Beispiele unterscheiden das Sprachmodell vom visuellen Projektor und berücksichtigen zusätzlich zu den Gewichtsdateien weiteren Laufzeitspeicher. Die Modellkarte nennt für diese Einrichtung etwa 120 GB als Mindestwert für lokalen Arbeitsspeicher und empfiehlt 128 GB gemeinsamen Arbeitsspeicher. Dies sind Bereitstellungsbedingungen des Anbieters und keine Aussage über die Konfiguration hinter einer bestimmten Modellauswahl.
Halten Sie Step 3.7 Flash vom früheren Textmodell Step 3.5 getrennt: Vision-Encoder und Bildverständnis sind wesentliche Ergänzungen. Das Endergebnis der Aufgabe sollte die verwendeten Quellen oder visuellen Belege, die vorgeschlagene Änderung oder Erkenntnis und jede Bedingung zeigen, für die noch eine Beobachtung nötig ist. Externe Suchen, Befehle und Dateiänderungen hängen von den Werkzeugen ab, die die Anwendung anschließt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun/step-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0023 / 1K Tokens Eingabe · Cache lesen $0.00008 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0023 / 1K Tokens Eingabe · Cache lesen $0.00008 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-3.7-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='stepfun/step-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='stepfun/step-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra stepfun/step-3.7-flash
Verwenden Sie die oben angezeigten Methodenpfade.
stepfun/step-3.7-flashStep 3.7 Flash von StepFun ist ein dünn besetztes Vision-Language-Modell für Programmierung, Bildverständnis und werkzeuggestützte Arbeitsabläufe. Es verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern, einem Kontext von 256K und drei vom Anbieter dokumentierten Reasoning-Stufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step 3.7 Flash ist das dünn besetzte Mixture-of-Experts-Vision-Language-Modell von StepFun für praktische Agentenaufgaben. Sein System mit ungefähr 198 Milliarden Parametern verbindet eine Sprachgrundarchitektur mit 196 Milliarden Parametern mit einem Vision-Encoder mit 1,8 Milliarden Parametern; etwa 11 Milliarden Parameter sind pro Token aktiv. Es nimmt Text und Bilder entgegen und erzeugt Text, Code oder vorgeschlagene Werkzeugaufrufe für eine verbundene Anwendung.
Der Anbieter nennt ein Kontextfenster von 256K sowie die Reasoning-Stufen low, medium und high. Damit kann der Arbeitsablauf des Herstellers einer Aufgabe unterschiedlich viel Denkaufwand zuweisen. Aufgaben mit langem Kontext umfassen umfangreiche Berichte und Softwareuntersuchungen über mehrere Dateien hinweg. Bereiten Sie das relevante Material zusammen mit der Frage und dem benötigten Ergebnis vor, damit das Modell innerhalb dieses Kontexts ein definiertes Ziel hat.
Natives Bildverständnis umfasst Produktoberflächen, Dokumente, Diagramme und natürliche Szenen. Für eine Oberflächenaufgabe stellen Sie den Screenshot oder Entwurf bereit und benennen Sie die zu prüfende oder umzusetzende Funktion. Bei einem Diagramm nennen Sie den zu erklärenden Vergleich oder Trend. Der Hersteller verbindet visuelle Interpretation mit Informationsabruf und Werkzeugnutzung; ein verbundener Arbeitsablauf kann somit zusätzliche Belege sammeln, wenn das Bild allein eine Frage offenlässt.
Programmieraufgaben umfassen das Nachverfolgen eines Repositorys, das Auffinden eines Fehlers und das Vorschlagen eines Patches. Geben Sie das beobachtete Problem, das erwartete Verhalten und die Dateien oder Protokolle an, die das aktuelle Ergebnis belegen. Verlangen Sie das geänderte Arbeitsergebnis und Prüfungen zu seiner Beurteilung. Führt die Anwendung eine Prüfung aus, geben Sie deren tatsächliche Ausgabe vor dem nächsten Schritt zurück, damit das Modell auf die Beobachtung eingehen kann, statt den Erfolg des Patches vorauszusetzen.
Die umfassenderen Arbeitsabläufe des Anbieters erstrecken sich auf Suche, Terminals, Browser und Bürosoftware. Stellen Sie die Werkzeugdefinitionen und Aufgabengrenzen bereit und unterscheiden Sie einen vorgeschlagenen Aufruf vom durch die Anwendung zurückgegebenen Ergebnis. Ein Rechercheauftrag kann Quellen vergleichen und die Belege hinter jeder Schlussfolgerung erhalten; eine Dokumentaufgabe kann eine Erklärung oder strukturierte Inhalte liefern, die die umgebende Anwendung in das endgültige Arbeitsergebnis umsetzt.
StepFun veröffentlicht separate Präzisionsvarianten und Bereitstellungsanleitungen. Seine lokalen GGUF-Beispiele unterscheiden das Sprachmodell vom visuellen Projektor und berücksichtigen zusätzlich zu den Gewichtsdateien weiteren Laufzeitspeicher. Die Modellkarte nennt für diese Einrichtung etwa 120 GB als Mindestwert für lokalen Arbeitsspeicher und empfiehlt 128 GB gemeinsamen Arbeitsspeicher. Dies sind Bereitstellungsbedingungen des Anbieters und keine Aussage über die Konfiguration hinter einer bestimmten Modellauswahl.
Halten Sie Step 3.7 Flash vom früheren Textmodell Step 3.5 getrennt: Vision-Encoder und Bildverständnis sind wesentliche Ergänzungen. Das Endergebnis der Aufgabe sollte die verwendeten Quellen oder visuellen Belege, die vorgeschlagene Änderung oder Erkenntnis und jede Bedingung zeigen, für die noch eine Beobachtung nötig ist. Externe Suchen, Befehle und Dateiänderungen hängen von den Werkzeugen ab, die die Anwendung anschließt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun/step-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0023 / 1K Tokens Eingabe · Cache lesen $0.00008 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0023 / 1K Tokens Eingabe · Cache lesen $0.00008 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra stepfun/step-3.7-flash
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Trace a failed configuration lookup\n\nSource excerpt: settings = {"timeout_seconds": 30}; timeout = settings["timeout"]. Log: KeyError: timeout. Required public setting remains timeout_seconds. Identify the mismatch, propose the smallest source correction and give a test that reads the configured value plus a test for a missing required setting. Do not rename the public field.A source-linked diagnosis, focused patch and two test cases.Check that the patch reads timeout_seconds and that the missing-setting case is not hidden by an invented default.