Step 3.7 Flash es el modelo disperso de mezcla de expertos de visión y lenguaje de StepFun para tareas reales de agentes. Su sistema de aproximadamente 198 mil millones de parámetros combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, activando cerca de 11B de parámetros por token. Acepta texto e imágenes y genera texto, código o llamadas a herramientas propuestas para una aplicación conectada.
El productor especifica una ventana de contexto de 256K y los niveles de razonamiento low, medium y high. Estos permiten que el flujo del fabricante asigne distintas cantidades de razonamiento a una tarea. El trabajo con contexto largo incluye informes grandes e investigaciones de software con varios archivos; prepara el material pertinente junto con la pregunta y la salida necesaria para que el modelo tenga un objetivo definido dentro de ese contexto.
La comprensión visual nativa abarca interfaces de productos, documentos, gráficas y escenas naturales. Para una tarea de interfaz, proporciona la captura de pantalla o el diseño e identifica la función que se debe inspeccionar o implementar. Para una gráfica, indica la comparación o tendencia que se debe explicar. El fabricante combina la interpretación visual con recuperación de información y uso de herramientas, por lo que un flujo conectado puede reunir evidencia adicional cuando la imagen por sí sola deja una pregunta sin resolver.
Las tareas de programación incluyen seguir el funcionamiento de un repositorio, localizar una falla y proponer un parche. Proporciona el problema observado, el comportamiento esperado y los archivos o registros que establecen el resultado actual. Pide el artefacto modificado y las verificaciones que permitirán evaluarlo. Cuando la aplicación ejecute una verificación, devuelve su salida real antes del siguiente paso para que el modelo pueda abordar la observación en lugar de suponer que el parche funcionó.
Los flujos más amplios del productor abarcan búsqueda, terminales, navegadores y herramientas de oficina. Proporciona las definiciones de las herramientas y los límites de la tarea, y distingue una llamada propuesta del resultado devuelto por la aplicación. Un encargo de investigación puede comparar fuentes y conservar la evidencia detrás de cada conclusión; una tarea de documentos puede devolver una explicación o contenido estructurado que la aplicación que lo integra convierta en el artefacto final.
StepFun publica variantes de precisión y recetas de despliegue separadas. Sus ejemplos locales GGUF distinguen el modelo de lenguaje del proyector visual y contemplan memoria adicional de ejecución aparte de los archivos de pesos. La tarjeta indica alrededor de 120 GB como mínimo de memoria local y recomienda 128 GB de memoria unificada para esa configuración. Son condiciones de despliegue del productor, no una afirmación sobre la configuración detrás de una selección de modelo específica.
Mantén Step 3.7 Flash separado del anterior modelo de texto Step 3.5: el codificador visual y la comprensión de imágenes son incorporaciones sustanciales. El resultado final de la tarea debe mostrar la fuente o la evidencia visual usada, el cambio o hallazgo propuesto y cualquier condición que todavía necesite una observación. Las búsquedas externas, los comandos y los cambios de archivos dependen de las herramientas conectadas por la aplicación.
", "aboutText": "Step 3.7 Flash es el modelo disperso de mezcla de expertos de visión y lenguaje de StepFun para tareas reales de agentes. Su sistema de aproximadamente 198 mil millones de parámetros combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, activando cerca de 11B de parámetros por token. Acepta texto e imágenes y genera texto, código o llamadas a herramientas propuestas para una aplicación conectada.\n\nEl productor especifica una ventana de contexto de 256K y los niveles de razonamiento low, medium y high. Estos permiten que el flujo del fabricante asigne distintas cantidades de razonamiento a una tarea. El trabajo con contexto largo incluye informes grandes e investigaciones de software con varios archivos; prepara el material pertinente junto con la pregunta y la salida necesaria para que el modelo tenga un objetivo definido dentro de ese contexto.\n\nLa comprensión visual nativa abarca interfaces de productos, documentos, gráficas y escenas naturales. Para una tarea de interfaz, proporciona la captura de pantalla o el diseño e identifica la función que se debe inspeccionar o implementar. Para una gráfica, indica la comparación o tendencia que se debe explicar. El fabricante combina la interpretación visual con recuperación de información y uso de herramientas, por lo que un flujo conectado puede reunir evidencia adicional cuando la imagen por sí sola deja una pregunta sin resolver.\n\nLas tareas de programación incluyen seguir el funcionamiento de un repositorio, localizar una falla y proponer un parche. Proporciona el problema observado, el comportamiento esperado y los archivos o registros que establecen el resultado actual. Pide el artefacto modificado y las verificaciones que permitirán evaluarlo. Cuando la aplicación ejecute una verificación, devuelve su salida real antes del siguiente paso para que el modelo pueda abordar la observación en lugar de suponer que el parche funcionó.\n\nLos flujos más amplios del productor abarcan búsqueda, terminales, navegadores y herramientas de oficina. Proporciona las definiciones de las herramientas y los límites de la tarea, y distingue una llamada propuesta del resultado devuelto por la aplicación. Un encargo de investigación puede comparar fuentes y conservar la evidencia detrás de cada conclusión; una tarea de documentos puede devolver una explicación o contenido estructurado que la aplicación que lo integra convierta en el artefacto final.\n\nStepFun publica variantes de precisión y recetas de despliegue separadas. Sus ejemplos locales GGUF distinguen el modelo de lenguaje del proyector visual y contemplan memoria adicional de ejecución aparte de los archivos de pesos. La tarjeta indica alrededor de 120 GB como mínimo de memoria local y recomienda 128 GB de memoria unificada para esa configuración. Son condiciones de despliegue del productor, no una afirmación sobre la configuración detrás de una selección de modelo específica.\n\nMantén Step 3.7 Flash separado del anterior modelo de texto Step 3.5: el codificador visual y la comprensión de imágenes son incorporaciones sustanciales. El resultado final de la tarea debe mostrar la fuente o la evidencia visual usada, el cambio o hallazgo propuesto y cualquier condición que todavía necesite una observación. Las búsquedas externas, los comandos y los cambios de archivos dependen de las herramientas conectadas por la aplicación.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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 de StepFun es un modelo disperso de visión y lenguaje para programación, comprensión visual y flujos guiados por herramientas. Combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, un contexto de 256K y tres niveles de razonamiento documentados por el productor.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Step 3.7 Flash es el modelo disperso de mezcla de expertos de visión y lenguaje de StepFun para tareas reales de agentes. Su sistema de aproximadamente 198 mil millones de parámetros combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, activando cerca de 11B de parámetros por token. Acepta texto e imágenes y genera texto, código o llamadas a herramientas propuestas para una aplicación conectada.
El productor especifica una ventana de contexto de 256K y los niveles de razonamiento low, medium y high. Estos permiten que el flujo del fabricante asigne distintas cantidades de razonamiento a una tarea. El trabajo con contexto largo incluye informes grandes e investigaciones de software con varios archivos; prepara el material pertinente junto con la pregunta y la salida necesaria para que el modelo tenga un objetivo definido dentro de ese contexto.
La comprensión visual nativa abarca interfaces de productos, documentos, gráficas y escenas naturales. Para una tarea de interfaz, proporciona la captura de pantalla o el diseño e identifica la función que se debe inspeccionar o implementar. Para una gráfica, indica la comparación o tendencia que se debe explicar. El fabricante combina la interpretación visual con recuperación de información y uso de herramientas, por lo que un flujo conectado puede reunir evidencia adicional cuando la imagen por sí sola deja una pregunta sin resolver.
Las tareas de programación incluyen seguir el funcionamiento de un repositorio, localizar una falla y proponer un parche. Proporciona el problema observado, el comportamiento esperado y los archivos o registros que establecen el resultado actual. Pide el artefacto modificado y las verificaciones que permitirán evaluarlo. Cuando la aplicación ejecute una verificación, devuelve su salida real antes del siguiente paso para que el modelo pueda abordar la observación en lugar de suponer que el parche funcionó.
Los flujos más amplios del productor abarcan búsqueda, terminales, navegadores y herramientas de oficina. Proporciona las definiciones de las herramientas y los límites de la tarea, y distingue una llamada propuesta del resultado devuelto por la aplicación. Un encargo de investigación puede comparar fuentes y conservar la evidencia detrás de cada conclusión; una tarea de documentos puede devolver una explicación o contenido estructurado que la aplicación que lo integra convierta en el artefacto final.
StepFun publica variantes de precisión y recetas de despliegue separadas. Sus ejemplos locales GGUF distinguen el modelo de lenguaje del proyector visual y contemplan memoria adicional de ejecución aparte de los archivos de pesos. La tarjeta indica alrededor de 120 GB como mínimo de memoria local y recomienda 128 GB de memoria unificada para esa configuración. Son condiciones de despliegue del productor, no una afirmación sobre la configuración detrás de una selección de modelo específica.
Mantén Step 3.7 Flash separado del anterior modelo de texto Step 3.5: el codificador visual y la comprensión de imágenes son incorporaciones sustanciales. El resultado final de la tarea debe mostrar la fuente o la evidencia visual usada, el cambio o hallazgo propuesto y cualquier condición que todavía necesite una observación. Las búsquedas externas, los comandos y los cambios de archivos dependen de las herramientas conectadas por la aplicación.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites stepfun/step-3.7-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra stepfun/step-3.7-flash
Usa las rutas de método indicadas arriba.
stepfun/step-3.7-flashStep 3.7 Flash de StepFun es un modelo disperso de visión y lenguaje para programación, comprensión visual y flujos guiados por herramientas. Combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, un contexto de 256K y tres niveles de razonamiento documentados por el productor.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Step 3.7 Flash es el modelo disperso de mezcla de expertos de visión y lenguaje de StepFun para tareas reales de agentes. Su sistema de aproximadamente 198 mil millones de parámetros combina una estructura principal de lenguaje de 196B con un codificador visual de 1.8B, activando cerca de 11B de parámetros por token. Acepta texto e imágenes y genera texto, código o llamadas a herramientas propuestas para una aplicación conectada.
El productor especifica una ventana de contexto de 256K y los niveles de razonamiento low, medium y high. Estos permiten que el flujo del fabricante asigne distintas cantidades de razonamiento a una tarea. El trabajo con contexto largo incluye informes grandes e investigaciones de software con varios archivos; prepara el material pertinente junto con la pregunta y la salida necesaria para que el modelo tenga un objetivo definido dentro de ese contexto.
La comprensión visual nativa abarca interfaces de productos, documentos, gráficas y escenas naturales. Para una tarea de interfaz, proporciona la captura de pantalla o el diseño e identifica la función que se debe inspeccionar o implementar. Para una gráfica, indica la comparación o tendencia que se debe explicar. El fabricante combina la interpretación visual con recuperación de información y uso de herramientas, por lo que un flujo conectado puede reunir evidencia adicional cuando la imagen por sí sola deja una pregunta sin resolver.
Las tareas de programación incluyen seguir el funcionamiento de un repositorio, localizar una falla y proponer un parche. Proporciona el problema observado, el comportamiento esperado y los archivos o registros que establecen el resultado actual. Pide el artefacto modificado y las verificaciones que permitirán evaluarlo. Cuando la aplicación ejecute una verificación, devuelve su salida real antes del siguiente paso para que el modelo pueda abordar la observación en lugar de suponer que el parche funcionó.
Los flujos más amplios del productor abarcan búsqueda, terminales, navegadores y herramientas de oficina. Proporciona las definiciones de las herramientas y los límites de la tarea, y distingue una llamada propuesta del resultado devuelto por la aplicación. Un encargo de investigación puede comparar fuentes y conservar la evidencia detrás de cada conclusión; una tarea de documentos puede devolver una explicación o contenido estructurado que la aplicación que lo integra convierta en el artefacto final.
StepFun publica variantes de precisión y recetas de despliegue separadas. Sus ejemplos locales GGUF distinguen el modelo de lenguaje del proyector visual y contemplan memoria adicional de ejecución aparte de los archivos de pesos. La tarjeta indica alrededor de 120 GB como mínimo de memoria local y recomienda 128 GB de memoria unificada para esa configuración. Son condiciones de despliegue del productor, no una afirmación sobre la configuración detrás de una selección de modelo específica.
Mantén Step 3.7 Flash separado del anterior modelo de texto Step 3.5: el codificador visual y la comprensión de imágenes son incorporaciones sustanciales. El resultado final de la tarea debe mostrar la fuente o la evidencia visual usada, el cambio o hallazgo propuesto y cualquier condición que todavía necesite una observación. Las búsquedas externas, los comandos y los cambios de archivos dependen de las herramientas conectadas por la aplicación.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites stepfun/step-3.7-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "stepfun/step-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra stepfun/step-3.7-flash
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.